Mediana e deviazione std. a finestra mobile di 360 giorni per i dati sull'ozono di NYC dal 2000

Nell’ultimo video hai visto anche come calcolare diverse statistiche mobili usando il metodo .agg(), in modo simile a .groupby().

Diamo uno sguardo più da vicino alla storia della qualità dell’aria di NYC usando i dati sull’ozono che hai già visto. I dati giornalieri sono molto volatili, quindi usare una media mobile di periodo più lungo può aiutare a mettere in evidenza un trend di lungo periodo.

Userai una finestra mobile di 360 giorni e .agg() per calcolare la media mobile e la deviazione standard dei valori medi giornalieri di ozono dal 2000.

Questo esercizio fa parte del corso

Elaborazione di serie temporali in Python

Visualizza il corso

Istruzioni dell'esercizio

Abbiamo già importato pandas come pd e matplotlib.pyplot come plt.

Usa pd.read_csv() per importare 'ozone.csv', creando un DateTimeIndex dalla colonna 'date' con parse_dates e index_col; assegna il risultato a data e rimuovi i valori mancanti con .dropna().
Seleziona la colonna 'Ozone' e crea una finestra .rolling() usando 360 periodi; applica .agg() per calcolare mean e std e assegna il risultato a rolling_stats.
Usa .join() per concatenare data con rolling_stats e assegna a stats.
Traccia stats usando subplots.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Import and inspect ozone data here
data = ____

# Calculate the rolling mean and std here
rolling_stats = ____

# Join rolling_stats with ozone data
stats = ____

# Plot stats

Modifica ed esegui il codice