Корреляции между несколькими временными рядами
В предыдущем упражнении вы извлекли компонент seasonal из каждого временного ряда в DataFrame jobs и сохранили результаты в новый DataFrame с именем seasonality_df. В контексте данных о занятости интересно сравнивать сезонное поведение — это помогает выявить, какие отрасли ведут себя наиболее похоже, а какие — наиболее различно.
Для этого воспользуйтесь DataFrame seasonality_df и вычислите корреляцию между каждой парой временных рядов в наборе данных. В этом упражнении вы применёте знания из главы 4, чтобы рассчитать корреляции и построить тепловую карту с кластеризацией на основе DataFrame seasonality_df.
Это упражнение является частью курса
Визуализация данных временных рядов в Python
Инструкции к упражнению
- Вычислите корреляцию между всеми столбцами DataFrame
seasonality_df, используя метод Спирмена, и сохраните результат в переменнуюseasonality_corr. - Постройте тепловую карту с кластеризацией на основе полученной матрицы корреляций.
- Выведите значение корреляции между сезонностями отраслей «Государственное управление» и «Образование и здравоохранение».
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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(____)