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

ćwiczenie

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.

Instrukcje

100 XP

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.