2010년 이후 뉴욕시 대기질 롤링 평균

앞서 영상에서 롤링 윈도우 함수에 대해 살펴봤습니다. 이를 직접 실습해 보기 위해, 2010년 이후 뉴욕시의 대기질 추이를 분석해 보겠습니다. 환경보호국(EPA)에서 제공하는 일별 오존 농도 데이터를 활용하여 90일 및 360일 롤링 평균을 계산하고 시각화해 봅시다.

이 연습은 강의의 일부입니다

Python으로 시계열 데이터 다루기

강의 보기

연습 안내

pandas는 pd로, matplotlib.pyplot은 plt로 이미 임포트되어 있습니다.

pd.read_csv()를 사용하여 'ozone.csv'를 불러오세요. parse_dates와 index_col을 활용해 'date' 열로 DateTimeIndex를 생성하고, 결과를 data에 할당하세요.
'Ozone' 열의 90일 및 360일 롤링 캘린더 데이이 .mean()을 계산하여 각각 '90D'와 '360D' 열로 추가하세요.
data를 2010년부터 시작하여 플롯하고, title을 'New York City'로 설정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import and inspect ozone data here
data = ____
print(____)

# Calculate 90d and 360d rolling mean for the last price
data['90D'] = ____
data['360D'] = ____

# Plot data

코드 편집 및 실행