Maak een tijdreeks van luchtkwaliteitsdata

In de video zag je hoe je omgaat met datums die niet in het juiste formaat staan en als string zijn aangeleverd, weergegeven als dtype object in pandas.

We hebben een gegevensset met luchtkwaliteitsdata (ozon, pm25 en koolmonoxide voor NYC, 2000–2017) klaargezet zodat je kunt oefenen met pd.to_datetime().

Deze oefening maakt deel uit van de cursus

Tijdreeksgegevens manipuleren in Python

Cursus bekijken

Oefeninstructies

We hebben pandas al voor je geïmporteerd als pd en matplotlib.pyplot als plt, en de DataFrame met luchtkwaliteitsdata ingeladen in de variabele data.

Inspecteer data met .info().
Gebruik pd.to_datetime om de column 'date' om te zetten naar dtype datetime64.
Stel de column 'date' in als index.
Controleer de wijzigingen door data opnieuw te inspecteren met .info().
Plot data met subplots=True.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

data = pd.read_csv('nyc.csv')

# Inspect data
print(____)

# Convert the date column to datetime64


# Set date column as index


# Inspect data 
print(____)

# Plot data

Code bewerken en uitvoeren