Cuantiles móviles para la calidad del aire diaria en NYC

En el último vídeo aprendiste a calcular cuantiles móviles para describir cómo cambia la dispersión de una serie temporal a lo largo del tiempo, de una forma menos sensible a valores atípicos que usar la media y la desviación estándar.

Calculemos los cuantiles móviles —al 10 %, 50 % (mediana) y 90 %— de la distribución de la concentración media diaria de ozono en NYC usando una ventana móvil de 360 días.

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. También hemos cargado los datos de ozono de 2000-2017 en la variable data.

Aplica .resample() con frecuencia diaria 'D' a data y aplica .interpolate() para rellenar los valores faltantes; reasigna el resultado a data.
Inspecciona el resultado usando .info().
Crea una ventana con .rolling() usando 360 periodos, selecciona la columna 'Ozone' y asigna el resultado a rolling.
Inserta tres columnas nuevas, 'q10', 'q50' y 'q90', en data, calculando los cuantiles correspondientes a partir de rolling.
Representa data.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Resample, interpolate and inspect ozone data here
data = ____


# Create the rolling window
rolling = ____

# Insert the rolling quantiles to the monthly returns
data['q10'] = ____
data['q50'] = ____
data['q90'] = ____

# Plot the data

Editar y ejecutar código