Mediana e desvio padrão móveis de 360 dias para dados de ozônio de NYC desde 2000

O último vídeo também mostrou como calcular várias estatísticas móveis usando o método .agg(), de forma semelhante a .groupby().

Vamos analisar com mais atenção o histórico da qualidade do ar de NYC usando os dados de Ozone que você já viu. Os dados diários são muito voláteis, então usar uma média móvel de longo prazo pode ajudar a revelar uma tendência de longo prazo.

Você usará uma janela móvel de 360 dias e .agg() para calcular a média e o desvio padrão móveis dos valores diários médios de ozônio desde 2000.

Este exercício faz parte do curso

Manipulando dados de séries temporais em Python

Ver curso

Instruções do exercício

Nós já importamos pandas como pd e matplotlib.pyplot como plt.

Use pd.read_csv() para importar 'ozone.csv', criando um DateTimeIndex a partir da coluna 'date' usando parse_dates e index_col, atribua o resultado a data e remova valores ausentes com .dropna().
Selecione a coluna 'Ozone' e crie uma janela com .rolling() usando 360 períodos, aplique .agg() para calcular mean e std e atribua a rolling_stats.
Use .join() para concatenar data com rolling_stats e atribua a stats.
Plote stats usando subplots.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import and inspect ozone data here
data = ____

# Calculate the rolling mean and std here
rolling_stats = ____

# Join rolling_stats with ozone data
stats = ____

# Plot stats

Editar e executar o código