Скользящая медиана и стандартное отклонение за 360 дней для данных об озоне в Нью-Йорке с 2000 года

В последнем видео вы также узнали, как вычислять несколько скользящих статистик с помощью метода .agg(), аналогично .groupby().

Давайте подробнее рассмотрим историю качества воздуха в Нью-Йорке, используя уже знакомые данные об озоне. Дневные значения очень изменчивы, поэтому долгосрочное скользящее среднее поможет выявить общую тенденцию.

Вы будете использовать скользящее окно в 360 дней и метод .agg(), чтобы вычислить скользящее среднее и стандартное отклонение для ежедневных средних значений озона начиная с 2000 года.

Это упражнение является частью курса

Работа с временными рядами в Python

Посмотреть курс

Инструкции к упражнению

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

С помощью pd.read_csv() импортируйте файл 'ozone.csv', создав DateTimeIndex из столбца 'date' с использованием parse_dates и index_col. Сохраните результат в переменную data и удалите пропущенные значения с помощью .dropna().
Выберите столбец 'Ozone', создайте скользящее окно .rolling() на 360 периодов, примените .agg() для вычисления mean и std и сохраните результат в rolling_stats.
С помощью .join() объедините data с rolling_stats и присвойте результат переменной stats.
Постройте график stats, используя subplots.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код