1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wizualizacja danych szeregów czasowych w Pythonie
Connected

ćwiczenie

Korelacje między wieloma szeregami czasowymi

W poprzednim ćwiczeniu wyodrębniono składową seasonal każdego szeregu czasowego z ramki danych jobs i zapisano wyniki w nowej ramce danych o nazwie seasonality_df. W kontekście danych o zatrudnieniu warto porównać wzorce sezonowości – może to pomóc wskazać, które branże są do siebie najbardziej podobne, a które najbardziej się różnią.

Można to osiągnąć, korzystając z ramki danych seasonality_df i obliczając korelację między poszczególnymi szeregami czasowymi. W tym ćwiczeniu wykorzystasz wiedzę zdobytą w rozdziale 4, aby obliczyć korelacje i zwizualizować je w postaci clustermapy na podstawie ramki danych seasonality_df.

Instrukcje

100 XP
  • Oblicz korelację między wszystkimi kolumnami ramki danych seasonality_df, używając metody Spearmana, i przypisz wynik do zmiennej seasonality_corr.
  • Utwórz nową clustermapę swojej macierzy korelacji.
  • Wyświetl wartość korelacji między sezonowością branż Government oraz Education & Health.