Porovnej týdenní, měsíční a roční trendy ozonu pro NYC a LA

Ve videu ses naučil/a, jak převzorkovat časové řady o kvalitě ovzduší a agregovat je.

Tuto novou dovednost teď použiješ na data o ozonu pro NYC a LA od roku 2000 – porovnáš trendy kvality ovzduší na týdenní, měsíční a roční frekvenci a prozkoumáš, jak různé periody převzorkování ovlivňují vizualizaci.

Toto cvičení je součástí kurzu

Manipulace s časovými řadami v Pythonu

Zobrazit kurz

Pokyny k cvičení

Knihovny pandas jako pd a matplotlib.pyplot jako plt jsou za tebe už naimportovány.

Pomocí pd.read_csv() importuj soubor 'ozone.csv' a nastav DateTimeIndex na základě sloupce 'date' s použitím parse_dates a index_col. Výsledek přiřaď do proměnné ozone a zkontroluj ho pomocí .info().
Na proměnnou ozone aplikuj .resample() s týdenní frekvencí ('W'), agreguj pomocí .mean() a výsledek vykresli.
Zopakuj totéž s měsíční ('M') a roční ('A') frekvencí a každý výsledek vykresli.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import and inspect data here
ozone = ____


# Calculate and plot the weekly average ozone trend



# Calculate and plot the monthly average ozone trend



# Calculate and plot the annual average ozone trend

Upravit a spustit kód