NYC'de günlük hava kalitesi için yuvarlanan çeyrekler

Son videoda, bir zaman serisinin zaman içindeki saçılımındaki değişimleri, ortalama ve standart sapmaya göre aykırı değerlere daha az duyarlı bir şekilde betimlemek için yuvarlanan çeyreklerin nasıl hesaplanacağını öğrendin.

Hadi, NYC'deki günlük ortalama ozon konsantrasyonunun dağılımı için 360 günlük bir yuvarlanan pencere kullanarak yüzde 10, yüzde 50 (medyan) ve yüzde 90 çeyrekleri hesaplayalım.

Bu egzersiz

Python ile Zaman Serisi Verilerini Manipüle Etme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

pandas'ı pd olarak ve matplotlib.pyplot'ı plt olarak içe aktardık. 2000-2017 arasındaki ozon verilerini de data değişkenine yükledik.

data üzerinde günlük frekans 'D' ile .resample() uygula ve eksik değerleri doldurmak için .interpolate() kullan; sonucu tekrar data'ya ata.
Sonucu .info() ile incele.
360 dönemlik bir .rolling() penceresi oluştur, 'Ozone' sütununu seç ve sonucu rolling değişkenine ata.
rolling'den ilgili çeyrekleri hesaplayarak data'ya 'q10', 'q50' ve 'q90' adlarında üç yeni sütun ekle.
data'yı görselleştir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Resample, interpolate and inspect ozone data here
data = ____


# Create the rolling window
rolling = ____

# Insert the rolling quantiles to the monthly returns
data['q10'] = ____
data['q50'] = ____
data['q90'] = ____

# Plot the data

Kodu Düzenle ve Çalıştır