Cuantile mobile pentru calitatea zilnică a aerului în NYC

În ultimul videoclip ai învățat cum să calculezi cuantile mobile pentru a descrie modificările dispersiei unei serii de timp, într-un mod mai puțin sensibil la valori extreme decât media și deviația standard.

Hai să calculăm cuantilele mobile – la 10%, 50% (mediană) și 90% – ale distribuției concentrației medii zilnice de ozon din NYC, folosind o fereastră mobilă de 360 de zile.

Acest exercițiu face parte din cursul

Manipularea datelor de tip serie de timp în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Am importat deja pandas ca pd și matplotlib.pyplot ca plt. De asemenea, am încărcat datele despre ozon din perioada 2000–2017 în variabila data.

Aplică .resample() cu frecvența zilnică 'D' pe data, apoi aplică .interpolate() pentru a completa valorile lipsă și reasignează rezultatul în data.
Inspectează rezultatul folosind .info().
Creează o fereastră .rolling() cu 360 de perioade, selectează coloana 'Ozone' și asignează rezultatul variabilei rolling.
Inserează trei coloane noi, 'q10', 'q50' și 'q90', în data, calculând cuantilele respective din rolling.
Reprezintă grafic data.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul