Mediana y desvío estándar móviles de 360 días para los datos de ozono de NYC desde 2000

En el último vídeo también viste cómo calcular varias estadísticas móviles usando el método .agg(), de forma similar a .groupby().

Vamos a analizar con más detalle el historial de calidad del aire de NYC usando los datos de Ozone que ya has visto. Los datos diarios son muy volátiles, así que usar un promedio móvil a más largo plazo puede ayudar a revelar una tendencia de fondo.

Utilizarás una ventana móvil de 360 días y .agg() para calcular la media y la desviación estándar móviles de los valores diarios medios de ozono desde el año 2000.

Este ejercicio forma parte del curso

Manipulación de series temporales en Python

Ver curso

Instrucciones del ejercicio

Ya hemos importado pandas como pd y matplotlib.pyplot como plt.

Usa pd.read_csv() para importar 'ozone.csv', creando un DateTimeIndex a partir de la columna 'date' con parse_dates e index_col; asigna el resultado a data y elimina los valores faltantes con .dropna().
Selecciona la columna 'Ozone' y crea una ventana .rolling() de 360 periodos; aplica .agg() para calcular mean y std, y asigna el resultado a rolling_stats.
Usa .join() para concatenar data con rolling_stats y asigna el resultado a stats.
Representa stats usando subplots.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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

Editar y ejecutar código