Moyenne glissante de la qualité de l’air depuis 2010 pour New York City

La dernière vidéo portait sur les fonctions à fenêtre glissante. Pour vous entraîner avec cet outil, vous allez commencer par les tendances de la qualité de l’air à New York depuis 2010. Plus précisément, vous utiliserez les niveaux quotidiens de concentration en ozone fournis par l’Environmental Protection Agency pour calculer et tracer les moyennes glissantes sur 90 et 360 jours.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

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, puis affectez le résultat à data.
Ajoutez les colonnes '90D' et '360D' contenant la .mean() des moyennes glissantes sur 90 et 360 jours calendaires 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 cet exemple de code.

# 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