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

Vous avez vu dans la vidéo comment sous-échantillonner et agréger des séries temporelles sur la qualité de l’air.

Vous allez d’abord appliquer cette nouvelle compétence aux données d’ozone pour NYC et LA depuis 2000, afin de comparer la tendance de la qualité de l’air aux fréquences hebdomadaire, mensuelle et annuelle, et d’explorer comment différentes périodes de rééchantillonnage influencent la visualisation.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

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

Utilisez pd.read_csv() pour importer 'ozone.csv', définissez un DateTimeIndex à partir de la colonne 'date' en utilisant 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 cet exemple de code.

# 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