เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ค่าเฉลี่ยแบบ Rolling ของคุณภาพอากาศในนิวยอร์กซิตี้ตั้งแต่ปี 2010

วิดีโอก่อนหน้าได้แนะนำ rolling window functions ไปแล้ว เพื่อฝึกใช้เครื่องมือนี้ เราจะเริ่มจากการวิเคราะห์แนวโน้มคุณภาพอากาศของนิวยอร์กซิตี้ตั้งแต่ปี 2010 โดยเฉพาะอย่างยิ่ง จะใช้ข้อมูลระดับความเข้มข้นของโอโซนรายวันจาก Environmental Protection Agency เพื่อคำนวณและพล็อตค่าเฉลี่ย rolling แบบ 90 วันและ 360 วัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูล Time Series ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นำเข้า pandas เป็น pd และ matplotlib.pyplot เป็น plt ไว้แล้ว

  • ใช้ pd.read_csv() เพื่อนำเข้าไฟล์ 'ozone.csv' โดยสร้าง DateTimeIndex จากคอลัมน์ 'date' ด้วย parse_dates และ index_col แล้วกำหนดผลลัพธ์ให้กับตัวแปร data
  • เพิ่มคอลัมน์ '90D' และ '360D' ซึ่งเก็บค่า .mean() แบบ rolling calendar day 90 วันและ 360 วันของคอลัมน์ 'Ozone'
  • พล็อต data ตั้งแต่ปี 2010 โดยตั้งค่า title เป็น 'New York City'

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

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

# Plot data
แก้ไขและรันโค้ด