เปรียบเทียบแนวโน้มโอโซนรายสัปดาห์ รายเดือน และรายปี สำหรับ NYC และ LA
จากวิดีโอที่ผ่านมา คุณได้เรียนรู้วิธี downsample และรวมข้อมูล time series ด้านคุณภาพอากาศแล้ว
ในแบบฝึกหัดนี้ จะนำทักษะดังกล่าวมาใช้กับข้อมูลโอโซนของ NYC และ LA ตั้งแต่ปี 2000 เพื่อเปรียบเทียบแนวโน้มคุณภาพอากาศในระดับความถี่รายสัปดาห์ รายเดือน และรายปี พร้อมสำรวจว่าช่วงเวลาของการ resample ส่งผลต่อการแสดงผลอย่างไร
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
นำเข้า pandas เป็น pd และ matplotlib.pyplot เป็น plt ให้แล้ว
- ใช้
pd.read_csv()เพื่อนำเข้าไฟล์'ozone.csv'พร้อมกำหนดDateTimeIndexจากคอลัมน์'date'โดยใช้ parse_dates และindex_colจากนั้นกำหนดผลลัพธ์ให้กับตัวแปรozoneและตรวจสอบด้วย.info() - เรียกใช้
.resample()ด้วยความถี่รายสัปดาห์ ('W') กับozoneแล้วรวมค่าด้วย.mean()และพล็อตผลลัพธ์ - ทำซ้ำขั้นตอนเดิมโดยใช้ความถี่รายเดือน (
'M') และรายปี ('A') พร้อมพล็อตผลลัพธ์แต่ละครั้ง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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