04.3
季節性とパターン把握
まとめ
この章では、日次データに潜む「年の周期」と「週の周期」を 5 つの図で読み取ります。カレンダーヒートマップで曜日の縦縞と特定の週の塊を見つけ、月別ボックスプロットで 12 か月の中央値とばらつきを比べ、季節サブシリーズプロットで各月の推移が年をまたいで平行かを確かめます。極座標プロットは月別平均を円のゆがみとして見せ、曜日別の平均バーは
groupby(weekday) の平均と標準偏差から曜日ダミーを特徴量に加える価値があるかを判断させてくれます。直感 #
「年末に売上が 1.5 倍になる」「月曜は問い合わせが 2 割多い」といった繰り返しは、折れ線 1 本では波の重なりにしか見えません。見逃したまま ARIMA を当てると、モデルは 7 日や 365 日ごとの山をノイズとして扱い、予測が毎週同じ曜日に外れます。そこで時間軸を一度ばらして、カレンダーの形、月ごとの箱、月ごとの線、円、曜日ごとの棒に組み直すと、周期はそれぞれ「縦縞」「中央線の曲線」「平行な線」「円のゆがみ」「棒の段差」として形になります。形が年をまたいで安定していれば seasonal_decompose の固定周期や月・曜日のダミー変数で扱え、年によって崩れていればその年の要因を別に調べる、という判断に進めます。
詳細な解説 #
このチャプターで学べること #
- カレンダーヒートマップで日次データの曜日・月内パターンを発見する方法
- 月別ボックスプロットで月ごとの水準とばらつきを比較する手法
- 季節サブシリーズプロットで年次変動の安定性を確認する方法
- 極座標チャートで月別の強弱を円形に表現する手法
- 曜日別平均バーチャートで短周期の業務リズムを可視化する方法
これがわかるとできること #
- データに季節性があるかどうかを定量的に判断できる
- 季節パターンの変化や崩れを年次比較で検出できる
- 曜日ダミーや月次特徴量の追加要否を根拠を持って判断できる
学習の進め方 #
まず カレンダーヒートマップ と 月別ボックスプロット で、曜日の縞と月ごとの中央値から全体の季節感をつかみます。次に 季節サブシリーズプロット と 季節性を極座標で表現 を読み、12 枚の線が平行か、円がどの月の方向にふくらむかで季節性の安定度を確かめます。最後に 曜日別の平均をバーで確認 で、棒の差と誤差バーの長さの比から 7 日周期のパターンの有無を調べ、曜日ダミーを特徴量に加えるかを決めます。