Comparer les tendances hebdomadaires, mensuelles et annuelles de l'ozone pour NYC et LA

Vous avez vu dans la vidéo comment effectuer un rééchantillonnage et agréger des séries chronologiques sur la qualité de l'air.

D'abord, vous appliquerez cette nouvelle compétence aux données d'ozone pour NYC et LA depuis 2000 afin de comparer la tendance de la qualité de l'air à des fréquences hebdomadaire, mensuelle et annuelle, et d'examiner comment différentes périodes de rééchantillonnage influencent la visualisation.

Cette activité fait partie du cours

Manipuler des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Nous avons déjà importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt pour vous.

Utilisez pd.read_csv() pour importer 'ozone.csv' et définissez un DateTimeIndex à partir de la colonne 'date' à l'aide de parse_dates et index_col. Assignez le résultat à ozone et inspectez-le avec .info().
Appliquez .resample() avec une fréquence hebdomadaire ('W') à ozone, agrégée avec .mean(), puis tracez le résultat.
Répétez avec les fréquences mensuelle ('M') et annuelle ('A'), en traçant chaque résultat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code