Krocząca średnia jakości powietrza w Nowym Jorku od 2010 roku

Poprzedni film dotyczył funkcji okna kroczącego. Żeby poćwiczyć to nowe narzędzie, zaczniesz od analizy trendów jakości powietrza w Nowym Jorku od 2010 roku. Wykorzystasz dzienne poziomy stężenia ozonu dostarczone przez Agencję Ochrony Środowiska, aby obliczyć i zwizualizować 90- i 360-dniową kroczącą średnią.

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', tworząc DateTimeIndex z kolumny 'date' za pomocą parse_dates i index_col, a wynik przypisz do zmiennej data.
Dodaj kolumny '90D' i '360D' zawierające 90- i 360-dniową kroczącą średnią .mean() dla kolumny 'Ozone'.
Wykreśl dane z data począwszy od 2010 roku, ustawiając 'New York City' jako tytuł wykresu (title).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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

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

# Plot data

Edytuj i uruchom kod