Quantili mobili per la qualità dell'aria giornaliera a NYC

Nel video precedente hai visto come calcolare i quantili mobili per descrivere nel tempo i cambiamenti nella dispersione di una serie temporale in modo meno sensibile ai valori anomali rispetto a media e deviazione standard.

Calcoliamo i quantili mobili — al 10%, 50% (mediana) e 90% — della distribuzione della concentrazione media giornaliera di ozono a NYC usando una finestra mobile di 360 giorni.

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. Abbiamo anche caricato i dati sull'ozono dal 2000 al 2017 nella variabile data.

Applica .resample() con frequenza giornaliera 'D' a data e usa .interpolate() per riempire i valori mancanti, riassegnando il risultato a data.
Ispeziona il risultato con .info().
Crea una finestra .rolling() usando 360 periodi, seleziona la colonna 'Ozone' e assegna il risultato a rolling.
Inserisci tre nuove colonne, 'q10', 'q50' e 'q90' in data, calcolando i rispettivi quantili da rolling.
Traccia data.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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

Modifica ed esegui il codice