Скользящее среднее качества воздуха в Нью-Йорке с 2010 года

В последнем видео рассматривались функции скользящего окна. Чтобы закрепить этот инструмент на практике, вы начнёте с анализа тенденций качества воздуха в Нью-Йорке с 2010 года. В частности, вы воспользуетесь данными о суточной концентрации озона, предоставленными Агентством по охране окружающей среды, чтобы вычислить и построить скользящее среднее за 90 и 360 дней.

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() импортируйте файл 'ozone.csv', создав DateTimeIndex из столбца 'date' с использованием parse_dates и index_col, и сохраните результат в переменную data.
Добавьте столбцы '90D' и '360D', содержащие скользящее среднее .mean() за 90 и 360 календарных дней для столбца 'Ozone'.
Постройте график data начиная с 2010 года, задав заголовок 'New York City'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import and inspect ozone data here
data = ____
print(____)

# Calculate 90d and 360d rolling mean for the last price
data['90D'] = ____
data['360D'] = ____

# Plot data

Редактировать и запускать код