04.3.5
季節性を極座標で表現
series.groupby(series.index.month).mean() で 12 個の月別平均にまとめ、fig.add_subplot(111, projection="polar") の軸に ax.plot と ax.fill で描きます。読み終えると、円のふくらんだ方向からピーク月を、へこんだ方向からボトム月を、ふくらみの偏りの大きさから季節性の強さを一目で読めるようになります。月別平均を円周に並べると、12 月と 1 月が隣り合う「年の切れ目」が消え、ふくらみとへこみの向きでピーク月とボトム月を直感的に読み取れます。
直感 #
月別平均を普通の棒グラフにすると、12 月の右端と 1 月の左端が切り離され、「年末から年始にかけて高い」というつながりが見えません。時計の文字盤のように 12 か月を円周に置けば、12 月の隣に 1 月が来て周期がそのまま形になります。各月の平均値を中心からの距離にすると、値が高い月の方向に円がふくらみ、低い月の方向にへこむので、季節性は「円のゆがみ」として読めます。ゆがみがほとんどない正円なら季節性は弱く、ある方向に大きくふくらんでいればその月がピークです。
何が起きているか(ステップで見る) #
コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。
見るポイント:曜日ごとに色分け・平均すると、ノイズに隠れた週のパターンが取り出せる。
Python で描く #
次のコードは、2020 年からの 3 年分の日次系列に振幅 12 の年周期と 1 日 0.03 のトレンドを仕込み、月別平均 12 個を極座標の軸に閉じた線と塗りで描きます。
| |
実行結果の読み方 #
円は 4 月の方向にいちばん大きくふくらみ、10 月の方向にいちばんへこみます。これは仕込んだ正弦波が 4 月初めに +12、10 月初めに −12 になるためで、ふくらみとへこみの半径の差(約 24)が季節性の振幅の 2 倍にあたります。中心付近の目盛(set_rlabel_position(90) で 90° の方向に出ている数字)を読むと、半径は 80 前後を中心に 70〜95 の範囲で動いていることが分かります。実データで円がほぼ正円なら季節性は無視できる大きさで、1 方向だけ尖っていればその 1 か月に集中するイベント型の季節性です。
使いどころと落とし穴 #
極座標プロットは、月別の季節性を会議資料で 1 枚にまとめるときや、複数年を重ねて「2020 年だけ形が違う」を見せるときに向いています。年ごとに groupby([year, month]) で集計し、ax.plot を年の数だけ重ねれば、季節パターンの安定度が輪の重なり具合として読めます。落とし穴は半径の原点で、ax.set_rmin(0) を指定せず自動範囲に任せると、中心が 70 から始まって 70〜95 の差が実際より大きく見えます。値の差を正しく伝えたいときは原点を 0 に固定し、差を強調したいときは自動範囲のままにするなど、目的に応じて明示的に選びます。トレンドが強い系列では、この例のように年後半の月の平均が高めに出て円が偏るので、先に 季節成分とトレンドの分解 で季節成分だけを取り出してから描くと純粋な季節性の形になります。
- カレンダーヒートマップ — 曜日・週の偏りをカレンダー形式で発見
- 季節サブシリーズプロット — 月別の推移で季節パターンの安定性を確認
- 季節成分とトレンドの分解 — トレンド・季節性・残差に分解して検証