NYC の日次大気質に対するローリング分位点
前の動画では、平均や標準偏差よりも外れ値の影響を受けにくい方法として、ローリング分位点を用いて時系列の散らばりの変化を記述する方法を学びました。
ここでは、NYC における日次平均オゾン濃度の分布について、360 日のローリングウィンドウを使い、10%、50%（中央値）、90% のローリング分位点を計算します。
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、matplotlib.pyplot は plt としてすでにインポート済みです。2000〜2017 年のオゾンデータは変数 data に読み込まれています。
dataに対して日次頻度'D'で.resample()を適用し、.interpolate()で欠損値を補完して、結果をdataに再代入します。.info()を使って結果を確認します。- 360 期間の
.rolling()ウィンドウを作成し、列'Ozone'を選択して、結果をrollingに代入します。 rollingからそれぞれの分位点を計算し、dataに'q10'、'q50'、'q90'の 3 列を追加します。dataをプロットします。
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。
# 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