Cuantiles móviles de la calidad diaria del aire en Nueva York

En el último vídeo aprendiste a calcular cuantiles móviles para describir los cambios en la dispersión de una serie temporal a lo largo del tiempo de una forma menos sensible a los valores atípicos que utilizando la media y la desviación típica.

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

Este ejercicio forma parte del curso

Manipulación de datos 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.

Aplique .resample() con la frecuencia diaria 'D' a data y aplique .interpolate() para rellenar los valores que faltan, y reasígnelos a data.
Inspeccione el resultado utilizando .info().
Cree una ventana .rolling() utilizando 360 períodos, seleccione la columna 'Ozone', y asigne el resultado a rolling.
Inserte tres nuevas columnas, 'q10', 'q50' y 'q90' en data, calculando los cuantiles respectivos a partir de rolling.
Parcela data.

Ejercicio interactivo práctico

Prueba este ejercicio completando 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