Порівняйте тижневі, місячні та річні тренди озону для NYC і LA

У відео ви бачили, як зменшувати частоту та агрегувати часові ряди щодо якості повітря.

Спочатку застосуйте це нове вміння до даних про озон для NYC і LA, починаючи з 2000 року, щоб порівняти тренд якості повітря на тижневій, місячній і річній частотах та дослідити, як різні періоди ресемплінгу впливають на візуалізацію.

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми знову імпортували для вас pandas як pd і matplotlib.pyplot як plt.

Використайте pd.read_csv() для імпорту файлу 'ozone.csv' і встановіть DateTimeIndex на основі стовпця 'date', застосувавши parse_dates і index_col. Присвойте результат змінній ozone та перегляньте інформацію за допомогою .info().
Застосуйте .resample() із тижневою частотою ('W') до ozone, агрегуйте за допомогою .mean() і побудуйте графік результату.
Повторіть із місячною ('M') та річною ('A') частотами, щоразу будуючи графік результату.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код