Rollierender Durchschnitt der Luftqualität seit 2010 für New York City

Im letzten Video ging es um Funktionen mit rollierendem Fenster. Um dieses neue Werkzeug zu üben, startest du mit den Luftqualitätstrends für New York City seit 2010. Konkret verwendest du die täglichen Ozon-Konzentrationswerte der Environmental Protection Agency, um den 90- und 360-Tage-rollierenden Durchschnitt zu berechnen und zu plotten.

Diese Übung ist Teil des Kurses

Zeitreihen in Python bearbeiten

Kurs anzeigen

Anleitung zur Übung

Wir haben pandas bereits als pd und matplotlib.pyplot als plt importiert.

Verwende pd.read_csv(), um 'ozone.csv' zu laden, erstelle dabei mit parse_dates und index_col aus der Spalte 'date' einen DateTimeIndex und weise das Ergebnis data zu.
Füge die Spalten '90D' und '360D' hinzu, die den rollierenden Kalender-Tagesdurchschnitt über 90 bzw. 360 Tage per .mean() für die Spalte 'Ozone' enthalten.
Plotte data ab 2010 und setze 'New York City' als title.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import and inspect ozone data here
data = ____
print(____)

# Calculate 90d and 360d rolling mean for the last price
data['90D'] = ____
data['360D'] = ____

# Plot data

Code bearbeiten und ausführen