2000년 이후 뉴욕시 오존 데이터의 360일 롤링 중앙값 및 표준편차

앞선 강의에서는 .groupby()와 유사하게 .agg() 메서드를 사용하여 여러 롤링 통계량을 계산하는 방법을 살펴보았습니다.

이번에는 이전에 다룬 오존 데이터를 활용해 뉴욕시의 대기질 변화를 좀 더 자세히 살펴보겠습니다. 일별 데이터는 변동성이 크기 때문에, 장기 롤링 평균을 사용하면 전체적인 추세를 더 명확하게 파악할 수 있습니다.

360일 롤링 윈도우와 .agg()를 사용하여 2000년 이후 일별 평균 오존 값의 롤링 평균과 표준편차를 계산해 보겠습니다.

이 연습은 강의의 일부입니다

Python으로 시계열 데이터 다루기

강의 보기

연습 안내

pandas는 pd로, matplotlib.pyplot은 plt로 이미 임포트되어 있습니다.

pd.read_csv()를 사용해 'ozone.csv'를 불러오세요. parse_dates와 index_col을 활용하여 'date' 열에서 DateTimeIndex를 생성하고, 결과를 data에 할당한 뒤 .dropna()로 결측값을 제거하세요.
'Ozone' 열을 선택하고 360개 기간으로 .rolling() 윈도우를 생성한 다음, .agg()를 적용하여 mean과 std를 계산하고 rolling_stats에 할당하세요.
.join()을 사용해 data와 rolling_stats를 연결하고 stats에 할당하세요.
subplots를 사용하여 stats를 시각화하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import and inspect ozone data here
data = ____

# Calculate the rolling mean and std here
rolling_stats = ____

# Join rolling_stats with ozone data
stats = ____

# Plot stats

코드 편집 및 실행