1. Nauka
    2. /
  2. Kursy
    3. /
  3. Manipulowanie danymi szeregów czasowych w Pythonie
Connected

ćwiczenie

Porównanie tygodniowych, miesięcznych i rocznych trendów ozonu dla Nowego Jorku i Los Angeles

W materiale wideo widziałeś(-aś), jak próbkować w dół i agregować szeregi czasowe dotyczące jakości powietrza.

Teraz zastosujesz tę umiejętność do danych o poziomie ozonu dla Nowego Jorku i Los Angeles od 2000 roku. Porównasz trendy jakości powietrza w ujęciu tygodniowym, miesięcznym i rocznym oraz sprawdzisz, jak różne okresy próbkowania wpływają na wizualizację.

Instrukcje

100 XP

Biblioteki pandas jako pd i matplotlib.pyplot jako plt zostały już zaimportowane.

  • Użyj pd.read_csv(), aby zaimportować plik 'ozone.csv'. Ustaw DateTimeIndex na podstawie kolumny 'date', korzystając z parametrów parse_dates i index_col. Wynik przypisz do zmiennej ozone i sprawdź ją metodą .info().
  • Zastosuj .resample() z częstotliwością tygodniową ('W') do ozone, zagreguj dane metodą .mean() i narysuj wykres.
  • Powtórz te kroki dla częstotliwości miesięcznej ('M') i rocznej ('A'), rysując wykres dla każdego wyniku.