Kuantil bergulir untuk kualitas udara harian di NYC

Pada video sebelumnya, Anda mempelajari cara menghitung kuantil bergulir untuk menggambarkan perubahan sebaran deret waktu seiring waktu dengan cara yang kurang sensitif terhadap pencilan dibandingkan menggunakan mean dan standar deviasi.

Mari hitung kuantil bergulir — pada 10%, 50% (median), dan 90% — dari distribusi konsentrasi ozon rata-rata harian di NYC menggunakan jendela bergulir 360 hari.

Latihan ini adalah bagian dari kursus

Memanipulasi Data Deret Waktu di Python

Lihat Kursus

Petunjuk latihan

Kami sudah mengimpor pandas sebagai pd dan matplotlib.pyplot sebagai plt. Kami juga telah memuat data ozon dari 2000–2017 ke dalam variabel data.

Terapkan .resample() dengan frekuensi harian 'D' pada data dan terapkan .interpolate() untuk mengisi nilai yang hilang, lalu tetapkan kembali ke data.
Periksa hasilnya menggunakan .info().
Buat jendela .rolling() menggunakan 360 periode, pilih kolom 'Ozone', dan tetapkan hasilnya ke rolling.
Sisipkan tiga kolom baru, 'q10', 'q50', dan 'q90' ke dalam data, dengan menghitung kuantil masing-masing dari rolling.
Plot data.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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

Edit dan Jalankan Kode