เพิ่มคำอธิบายเหตุการณ์สำคัญในข้อมูล time series
เมื่อพล็อต time series ของ Finance, Information, Manufacturing และ Construction จาก DataFrame jobs คุณจะสังเกตเห็นว่าอัตราการว่างงานเพิ่มสูงขึ้นอย่างชัดเจนในช่วงปี 2001 และ 2008 โดยทั่วไปแล้ว กราฟ time series จะมีประโยชน์มากยิ่งขึ้นหากเพิ่มคำอธิบายประกอบที่เน้นการสังเกตหรือเหตุการณ์เฉพาะเจาะจง วิธีนี้ช่วยให้ผู้ดูเข้าใจส่วนสำคัญของกราฟได้อย่างรวดเร็ว และยังช่วยในการอนุมานสาเหตุที่อาจก่อให้เกิดเหตุการณ์นั้น
โปรดทราบว่าได้ตั้งค่าคอลัมน์ datestamp เป็น index ของ DataFrame jobs ไว้แล้ว จึงพร้อมเพิ่มเส้นแนวตั้งหรือแนวนอนลงในกราฟได้ทันที
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การแสดงภาพข้อมูล Time Series ด้วย Python
คำแนะนำการฝึกหัด
- พล็อต time series ทั้งหมดใน
jobsบนกราฟเดียวกัน และใช้ชุดสีSpectral - เพิ่มเส้นแนวตั้งสีน้ำเงินที่วันที่
2001-07-01 - เพิ่มเส้นแนวตั้งสีน้ำเงินเส้นที่สองที่วันที่
2008-09-01
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Plot all time series in the jobs DataFrame
ax = ____(____, fontsize=6, linewidth=0.8)
# Set labels and legend
ax.set_xlabel('Date', fontsize=10)
ax.set_ylabel('Unemployment Rate', fontsize=10)
ax.set_title('Unemployment rate of U.S. workers by industry', fontsize=10)
ax.legend(loc='center left', bbox_to_anchor=(1.0, 0.5))
# Annotate your plots with vertical lines
____(____, color='blue', linestyle='--', linewidth=0.8)
____(____, color='blue', linestyle='--', linewidth=0.8)
# Show plot
plt.show()