Kroczące kwantyle dla dobowej jakości powietrza w Nowym Jorku

W poprzednim materiale wideo nauczyłeś się obliczać kroczące kwantyle, które opisują zmiany rozproszenia szeregu czasowego – w sposób mniej wrażliwy na wartości odstające niż średnia i odchylenie standardowe.

Obliczmy kroczące kwantyle – na poziomie 10%, 50% (mediana) i 90% – rozkładu dobowego średniego stężenia ozonu w Nowym Jorku, używając kroczącego okna 360-dniowego.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteka pandas została już zaimportowana jako pd, a matplotlib.pyplot jako plt. Dane dotyczące ozonu z lat 2000–2017 są dostępne w zmiennej data.

Zastosuj .resample() z częstotliwością dzienną 'D' do data, a następnie .interpolate(), aby uzupełnić brakujące wartości. Przypisz wynik z powrotem do data.
Sprawdź wynik za pomocą .info().
Utwórz okno kroczące .rolling() o długości 360 okresów, wybierz kolumnę 'Ozone' i przypisz wynik do zmiennej rolling.
Dodaj do data trzy nowe kolumny: 'q10', 'q50' i 'q90', obliczając odpowiednie kwantyle z rolling.
Wyświetl wykres data.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Resample, interpolate and inspect ozone data here
data = ____


# Create the rolling window
rolling = ____

# Insert the rolling quantiles to the monthly returns
data['q10'] = ____
data['q50'] = ____
data['q90'] = ____

# Plot the data

Edytuj i uruchom kod