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.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

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.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import and inspect data here
ozone = ____


# Calculate and plot the weekly average ozone trend



# Calculate and plot the monthly average ozone trend



# Calculate and plot the annual average ozone trend

Edytuj i uruchom kod