Rullande genomsnitt för luftkvalitet i New York City sedan 2010

Det senaste videoavsnittet handlade om rullande fönsterfunktioner. För att öva på det nya verktyget börjar du med luftkvalitetstrender för New York City sedan 2010. Du använder dagliga ozonkoncentrationsnivåer från Environmental Protection Agency för att beräkna och plotta det rullande 90- och 360-dagarsgenomsnittet.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har redan importerat pandas som pd och matplotlib.pyplot som plt.

Använd pd.read_csv() för att importera 'ozone.csv', skapa ett DateTimeIndex från kolumnen 'date' med hjälp av parse_dates och index_col, och tilldela resultatet till data.
Lägg till kolumnerna '90D' och '360D' som innehåller det rullande 90- respektive 360-dagarsgenomsnittet .mean() för kolumnen 'Ozone'.
Plotta data från och med 2010 och sätt 'New York City' som title.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

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

# Plot data

Redigera och kör kod