Tương quan giữa nhiều chuỗi thời gian
Trong bài trước, bạn đã trích xuất thành phần seasonal của từng chuỗi thời gian trong DataFrame jobs và lưu kết quả vào DataFrame mới gọi là seasonality_df. Với dữ liệu việc làm, việc so sánh tính mùa vụ có thể hữu ích để khám phá những ngành nghề nào giống nhau nhất hoặc khác biệt nhất.
Điều này có thể thực hiện bằng cách dùng DataFrame seasonality_df và tính tương quan giữa từng chuỗi thời gian trong tập dữ liệu. Trong bài này, bạn sẽ vận dụng những gì đã học ở Chương 4 để tính toán và tạo một biểu đồ clustermap thể hiện các tương quan giữa các chuỗi thời gian trong DataFrame seasonality_df.
Bài tập này là một phần của khóa học
Trực quan hóa dữ liệu chuỗi thời gian trong Python
Hướng dẫn bài tập
- Tính tương quan giữa tất cả các cột trong DataFrame
seasonality_dfbằng phương pháp spearman và gán kết quả choseasonality_corr. - Tạo một clustermap mới từ ma trận tương quan của bạn.
- In ra giá trị tương quan giữa tính mùa vụ của hai ngành Government và Education & Health.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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(____)