ニューヨーク市の2010年以降のローリング平均（大気質）
直前の動画ではローリングウィンドウ関数を扱いました。ここではこの新しいツールを練習するために、2010年以降のニューヨーク市の大気質トレンドから始めます。具体的には、Environmental Protection Agency が提供する日次のオゾン濃度データを使って、90日と360日のローリング平均を計算し、プロットします。
この演習はコースの一部です
Pythonでの時系列データ操作
演習の手順
pandas は pd として、matplotlib.pyplot は plt としてすでにインポートされています。
pd.read_csv()を使って'ozone.csv'を読み込み、parse_datesとindex_colを用いて'date'列からDateTimeIndexを作成し、結果をdataに代入します。- 列
'Ozone'に対して、カレンダーベースの90日と360日のローリング.mean()を計算し、それぞれを列'90D'と'360D'として追加します。 - 2010年以降の
dataをプロットし、titleに'New York City'を設定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import and inspect ozone data here
data = ____
print(____)
# Calculate 90d and 360d rolling mean for the last price
data['90D'] = ____
data['360D'] = ____
# Plot data