ค่ามัธยฐานและส่วนเบี่ยงเบนมาตรฐานแบบ Rolling 360 วัน สำหรับข้อมูลโอโซนของ NYC ตั้งแต่ปี 2000
วิดีโอที่ผ่านมายังแสดงวิธีคำนวณสถิติแบบ rolling หลายรายการพร้อมกันโดยใช้เมธอด .agg() ซึ่งคล้ายกับ .groupby()
มาดูประวัติคุณภาพอากาศของนครนิวยอร์กกันให้ละเอียดขึ้น โดยใช้ข้อมูลโอโซนที่คุ้นเคยกันอยู่แล้ว ข้อมูลรายวันมีความผันผวนสูง ดังนั้นการใช้ค่าเฉลี่ยแบบ rolling ในช่วงเวลาที่ยาวขึ้นจะช่วยให้เห็นแนวโน้มระยะยาวได้ชัดเจนขึ้น
ในแบบฝึกหัดนี้จะใช้ rolling window 360 วัน และเมธอด .agg() เพื่อคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานแบบ rolling สำหรับค่าโอโซนเฉลี่ยรายวันตั้งแต่ปี 2000
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
นำเข้า pandas เป็น pd และ matplotlib.pyplot เป็น plt ไว้แล้ว
- ใช้
pd.read_csv()นำเข้าไฟล์'ozone.csv'โดยสร้างDateTimeIndexจากคอลัมน์'date'ด้วยparse_datesและindex_colกำหนดผลลัพธ์ให้กับตัวแปรdataแล้วลบค่าที่หายไปด้วย.dropna() - เลือกคอลัมน์
'Ozone'และสร้าง.rolling()window ด้วย 360 periods จากนั้นใช้.agg()คำนวณmeanและstdแล้วกำหนดผลลัพธ์ให้กับrolling_stats - ใช้
.join()เชื่อมdataกับrolling_statsแล้วกำหนดให้กับstats - พล็อต
statsโดยใช้subplots
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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