可视化多条时间序列的季节性

现在请从 jobs_decomp 中提取 seasonality 分量，用于可视化这些时间序列的季节性。请注意，在绘图之前，您需要使用 pd.DataFrame.from_dict() 函数将包含 seasonality 分量的字典转换为 DataFrame。

您的工作区中已提供空字典 jobs_seasonal，以及上一练习得到的时间序列分解对象 jobs_decomp。

本练习是课程的一部分

用 Python 可视化时间序列数据

查看课程

练习说明

遍历 jobs_names 中的每个列名，从 jobs_decomp 中提取对应的 seasonal 分量。将结果放入 jobs_seasonal 中，其中键为时间序列名称（列名），值为该时间序列的 seasonal 分量。
将 jobs_seasonal 转换为 DataFrame，命名为 seasonality_df。
为 seasonality_df 中的 16 列全部创建分面图。确保各子图不共享 y 轴。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码