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

ćwiczenie

Krocząca mediana i odchylenie standardowe z oknem 360 dni dla danych o ozonie w Nowym Jorku od 2000 roku

W ostatnim filmie pokazano również, jak obliczać kilka kroczących statystyk za pomocą metody .agg(), podobnie jak w przypadku .groupby().

Przyjrzyjmy się bliżej historii jakości powietrza w Nowym Jorku na podstawie danych o ozonie, które już wcześniej widziałeś(-aś). Dane dobowe są bardzo zmienne, dlatego długoterminowa krocząca średnia może pomóc ujawnić długoterminowy trend.

Skorzystasz z kroczącego okna o szerokości 360 dni oraz metody .agg(), aby obliczyć kroczącą średnią i odchylenie standardowe dobowych średnich stężeń ozonu od roku 2000.

Instrukcje

100 XP

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

  • Użyj pd.read_csv(), aby wczytać plik 'ozone.csv', tworząc DateTimeIndex z kolumny 'date' za pomocą parse_dates i index_col. Wynik przypisz do zmiennej data, a następnie usuń brakujące wartości za pomocą .dropna().
  • Wybierz kolumnę 'Ozone', utwórz okno .rolling() o szerokości 360 okresów, zastosuj .agg() do obliczenia mean i std, a wynik przypisz do rolling_stats.
  • Użyj .join(), aby połączyć data z rolling_stats, i przypisz wynik do stats.
  • Wykreśl stats, używając subplots.