Moyenne mobile de la qualité de l'air à New York depuis 2010

La dernière vidéo portait sur les fonctions de fenêtre glissante. Pour vous exercer avec cet outil, vous allez analyser l'évolution de la qualité de l'air à New York depuis 2010. Plus précisément, vous utiliserez les concentrations quotidiennes d'ozone fournies par l'Environmental Protection Agency pour calculer et tracer les moyennes mobiles sur 90 et 360 jours.

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.

Utilisez pd.read_csv() pour importer 'ozone.csv', en créant un DateTimeIndex à partir de la colonne 'date' à l'aide de parse_dates et index_col, et assignez le résultat à data.
Ajoutez les colonnes '90D' et '360D' contenant la .mean() des moyennes mobiles sur 90 et 360 jours civils pour la colonne 'Ozone'.
Tracez data à partir de 2010 et définissez 'New York City' comme title.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

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

# Plot data

Modifier et exécuter le code