NYC में दैनिक वायु गुणवत्ता के लिए Rolling quantiles
आपने पिछले वीडियो में सीखा कि समय के साथ किसी टाइम सीरीज़ में फैलाव (dispersion) के बदलावों को बताने के लिए rolling quantiles कैसे निकाले जाते हैं. यह औसत (mean) और मानक विचलन (standard deviation) की तुलना में outliers के प्रति कम संवेदनशील होता है.
आइए NYC में दैनिक औसत ओज़ोन (ozone) सांद्रता के वितरण के 10%, 50% (मीडियन) और 90% rolling quantiles को 360-दिवसीय rolling विंडो का उपयोग करके निकालें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series डेटा मैनिपुलेट करना
अभ्यास निर्देश
हमने pandas को pd के रूप में और matplotlib.pyplot को plt के रूप में पहले ही इम्पोर्ट कर लिया है. 2000–2017 का ozone डेटा वैरिएबल data में लोड किया गया है.
dataपर दैनिक फ़्रीक्वेंसी'D'के साथ.resample()लगाएँ और missing values भरने के लिए.interpolate()अप्लाई करें, फिर परिणाम कोdataमें ही रीअसाइन करें..info()का उपयोग करके परिणाम देखें.- 360 पीरियड्स का
.rolling()विंडो बनाएँ, कॉलम'Ozone'चुनें, और परिणाम कोrollingमें असाइन करें. dataमें तीन नए कॉलम'q10','q50'और'q90'जोड़ें, औरrollingसे संबंधित quantiles की गणना करें.dataको प्लॉट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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