Сравнение недельных, месячных и годовых тенденций уровня озона для Нью-Йорка и Лос-Анджелеса

В видео вы узнали, как выполнять понижающую дискретизацию и агрегирование временных рядов данных о качестве воздуха.

Теперь применим этот навык к данным об уровне озона для Нью-Йорка и Лос-Анджелеса начиная с 2000 года. Вы сравните тенденции качества воздуха на недельной, месячной и годовой частотах и увидите, как выбор периода ресемплирования влияет на визуализацию.

Это упражнение является частью курса

Работа с временными рядами в Python

Посмотреть курс

Инструкции к упражнению

Библиотеки pandas и matplotlib.pyplot уже импортированы как pd и plt.

С помощью pd.read_csv() загрузите файл 'ozone.csv', задав DateTimeIndex на основе столбца 'date' с использованием параметров parse_dates и index_col. Сохраните результат в переменную ozone и изучите его с помощью .info().
Примените .resample() с недельной частотой ('W') к ozone, агрегируйте данные с помощью .mean() и постройте график.
Повторите то же самое для месячной ('M') и годовой ('A') частот, построив график для каждой из них.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import and inspect data here
ozone = ____


# Calculate and plot the weekly average ozone trend



# Calculate and plot the monthly average ozone trend



# Calculate and plot the annual average ozone trend

Редактировать и запускать код