Visualisera säsongsmönster i flera tidsserier

Nu ska du extrahera seasonality-komponenten från jobs_decomp för att visualisera säsongsmönstren i dessa tidsserier. Observera att du innan du plottar behöver konvertera lexikonet med seasonality-komponenter till en DataFrame med funktionen pd.DataFrame.from_dict().

Ett tomt lexikon jobs_seasonal och tidsseriedekompositionsobjektet jobs_decomp från föregående övning finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Visualisering av tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Iterera genom varje kolumnnamn i jobs_names och extrahera motsvarande seasonal-komponent från jobs_decomp. Placera resultaten i jobs_seasonal, där kolumnnamnet är tidsseriens namn och värdet är tidsseriens seasonal-komponent.
Konvertera jobs_seasonal till en DataFrame och kalla den seasonality_df.
Skapa ett facetterat diagram över alla 16 kolumner i seasonality_df. Se till att deldiagrammen inte delar y-axel.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Extract the seasonal values for the decomposition of each time series
for ts in ____:
    jobs_seasonal[ts] = jobs_decomp[ts]____
    
# Create a DataFrame from the jobs_seasonal dictionary
____ = ____(jobs_seasonal)

# Remove the label for the index
seasonality_df.index.name = None

# Create a faceted plot of the seasonality_df DataFrame
____(subplots=____,
                   layout=____,
                   sharey=____,
                   fontsize=2,
                   linewidth=0.3,
                   legend=False)

# Show plot
plt.show()

Redigera och kör kod