Vergleiche wöchentliche, monatliche und jährliche Ozontrends für NYC & LA

Im Video hast du gesehen, wie man Zeitreihen zur Luftqualität herunter- und zusammenfasst.

Zuerst wendest du diese neue Fähigkeit auf Ozon-Daten für NYC und LA seit 2000 an, um den Luftqualitätstrend auf wöchentlicher, monatlicher und jährlicher Basis zu vergleichen und zu untersuchen, wie unterschiedliche Resampling-Zeiträume die Visualisierung beeinflussen.

Diese Übung ist Teil des Kurses

<Kurs>Zeitreihen in Python bearbeiten</Kurs>

Kurs ansehen

Übungsanweisungen

Wir haben pandas als pd und matplotlib.pyplot als plt wieder für dich importiert.

Verwende pd.read_csv(), um 'ozone.csv' zu laden, und setze mithilfe von parse_dates und index_col einen DateTimeIndex basierend auf der Spalte 'date'. Weise das Ergebnis ozone zu und inspiziere es mit .info().
Wende .resample() mit wöchentlicher Frequenz ('W') auf ozone an, aggregiere mit .mean() und plotte das Ergebnis.
Wiederhole dies mit monatlicher ('M') und jährlicher ('A') Frequenz und plotte jeweils das Ergebnis.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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

Code bearbeiten und ausführen