360denní klouzavý medián a směrodatná odchylka pro data o ozonu v New Yorku od roku 2000

V posledním videu jsi také viděl/a, jak pomocí metody .agg() vypočítat několik klouzavých statistik najednou – podobně jako u .groupby().

Podívejme se blíže na historii kvality ovzduší v New Yorku na základě dat o ozonu, která už znáš. Denní hodnoty jsou velmi kolísavé, takže klouzavý průměr za delší období může pomoci odhalit dlouhodobý trend.

Použiješ 360denní klouzavé okno a metodu .agg() pro výpočet klouzavého průměru a směrodatné odchylky denních průměrných hodnot ozonu od roku 2000.

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 už naimportované.

Pomocí pd.read_csv() načti soubor 'ozone.csv' – ze sloupce 'date' vytvoř DateTimeIndex s využitím parametrů parse_dates a index_col, výsledek ulož do proměnné data a odstraň chybějící hodnoty pomocí .dropna().
Vyber sloupec 'Ozone', vytvoř klouzavé okno pomocí .rolling() s délkou 360 period, aplikuj .agg() pro výpočet mean a std a výsledek ulož do rolling_stats.
Pomocí .join() spoj data s rolling_stats a výsledek ulož do stats.
Vykresli stats pomocí parametru subplots.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import and inspect ozone data here
data = ____

# Calculate the rolling mean and std here
rolling_stats = ____

# Join rolling_stats with ozone data
stats = ____

# Plot stats

Upravit a spustit kód