Trực quan hóa tính mùa vụ của nhiều chuỗi thời gian

Giờ bạn sẽ trích xuất thành phần seasonality của jobs_decomp để trực quan hóa tính mùa vụ trong các chuỗi thời gian này. Lưu ý: trước khi vẽ, bạn cần chuyển dictionary các thành phần seasonality thành một DataFrame bằng hàm pd.DataFrame.from_dict().

Một dictionary rỗng jobs_seasonal và đối tượng phân rã chuỗi thời gian jobs_decomp từ bài trước đã có sẵn trong không gian làm việc của bạn.

Bài tập này là một phần của khóa học

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Xem khóa học

Hướng dẫn bài tập

Lặp qua từng tên cột trong jobs_names và trích xuất thành phần seasonal tương ứng từ jobs_decomp. Đặt kết quả vào jobs_seasonal, trong đó tên cột là tên của chuỗi thời gian và giá trị là thành phần seasonal của chuỗi đó.
Chuyển jobs_seasonal thành DataFrame và đặt tên là seasonality_df.
Tạo một biểu đồ phân mảnh cho cả 16 cột trong seasonality_df. Đảm bảo các ô đồ thị con không dùng chung trục y.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()

Chỉnh sửa và Chạy Mã