移動平均を表示する
時系列の値に対して移動平均を可視化することも可能です。これはデータを「平滑化」することに相当し、ノイズや外れ値が多い時系列でとくに有効です。任意の DataFrame df に対して、次のコマンドで時系列の移動平均を取得できます。
df_mean = df.rolling(window=12).mean()
window パラメータは、時系列の粒度に合わせて設定してください。たとえば、日次データで年間のローリング値を求めたい場合は、window=365 と指定します。さらに、標準偏差（.std()）や分散（.var()）など、他の指標についても簡単にローリング値を得られます。
この演習はコースの一部です
Pythonで学ぶ時系列データの可視化
演習の手順
co2_levelsの52週移動平均を計算し、maに代入します。co2_levelsの52週移動標準偏差を計算し、mstdに代入します。- 時系列の上限を「移動平均 + (2 × 移動標準偏差)」として計算し、
ma[upper]に代入します。同様に、下限を「移動平均 - (2 × 移動標準偏差)」として計算し、ma[lower]に代入します。 maの折れ線グラフをプロットします。
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。
# Compute the 52 weeks rolling mean of the co2_levels DataFrame
ma = ____.rolling(window=____).____()
# Compute the 52 weeks rolling standard deviation of the co2_levels DataFrame
mstd = ____
# Add the upper bound column to the ma DataFrame
ma['upper'] = ma['co2'] + (____ * ____)
# Add the lower bound column to the ma DataFrame
ma['lower'] = ma['co2'] - (____ * ____)
# Plot the content of the ma DataFrame
ax = ____(linewidth=0.8, fontsize=6)
# Specify labels, legend, and show the plot
ax.set_xlabel('Date', fontsize=10)
ax.set_ylabel('CO2 levels in Mauai Hawaii', fontsize=10)
ax.set_title('Rolling mean and variance of CO2 levels\nin Mauai Hawaii from 1958 to 2001', fontsize=10)
plt.show()