Corelații între mai multe serii de timp
În exercițiul anterior, ai extras componenta seasonal a fiecărei serii de timp din DataFrame-ul jobs și ai stocat rezultatele într-un nou DataFrame numit seasonality_df. În contextul datelor despre locuri de muncă, poate fi interesant să compari comportamentul sezonalității, deoarece acest lucru poate ajuta la identificarea industriilor cu cel mai similar sau cel mai diferit profil sezonier.
Acest lucru se poate realiza folosind DataFrame-ul seasonality_df și calculând corelația dintre fiecare serie de timp din set. În acest exercițiu, vei valorifica ce ai învățat în Capitolul 4 pentru a calcula și vizualiza sub formă de clustermap corelațiile dintre seriile de timp din DataFrame-ul seasonality_df.
Acest exercițiu face parte din cursul
Vizualizarea datelor de tip serie temporală în Python
Instrucțiuni pentru exercițiu
- Calculează corelația dintre toate coloanele din DataFrame-ul
seasonality_dffolosind metoda Spearman și atribuie rezultatele variabileiseasonality_corr. - Creează un nou clustermap al matricei de corelație.
- Afișează valoarea corelației dintre sezonalitățile industriilor Government și Education & Health.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Get correlation matrix of the seasonality_df DataFrame
seasonality_corr = ____
# Customize the clustermap of the seasonality_corr correlation matrix
fig = ____(____, annot=True, annot_kws={"size": 4}, linewidths=.4, figsize=(15, 10))
plt.setp(fig.ax_heatmap.yaxis.get_majorticklabels(), rotation=0)
plt.setp(fig.ax_heatmap.xaxis.get_majorticklabels(), rotation=90)
plt.show()
# Print the correlation between the seasonalities of the Government and Education & Health industries
print(____)