Untitled

# Предположим, что merge_data_kem уже отсортирован по 'year_month'

# Расчет месячных изменений для volume_t
merge_data_kem['volume_t_change'] = merge_data_kem.groupby('index_name')['volume_t'].diff()

# Расчет месячных изменений для index_value
merge_data_kem['index_value_change'] = merge_data_kem.groupby('index_name')['index_value'].diff()

# Фильтрация данных для корреляционного анализа
correlation_data = merge_data_kem[['index_name', 'volume_t_change', 'index_value_change']]

# Расчет и визуализация корреляции для каждого index_name
unique_index_names = merge_data_kem['index_name'].unique()
for index_name in unique_index_names:
    temp_data = correlation_data[correlation_data['index_name'] == index_name].dropna()
    correlation = temp_data[['volume_t_change', 'index_value_change']].corr()

    # Визуализация
    plt.figure(figsize=(8, 6))
    sns.heatmap(correlation, annot=True, cmap='coolwarm')
    plt.title(f'Корреляция между изменениями объема и индекса {index_name}')
    plt.show()