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 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 interattivo pratico

Prova questo esercizio completando questo 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