Ковзне середнє якості повітря з 2010 року для Нью-Йорка

У попередньому відео йшлося про функції ковзних вікон. Щоб потренуватися з цим інструментом, ви попрацюєте з трендами якості повітря в місті Нью-Йорк з 2010 року. Зокрема, ви використаєте щоденні значення концентрації озону від Агентства з охорони довкілля, щоб обчислити й побудувати 90- та 360-денне ковзне середнє.

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми вже імпортували pandas як pd і matplotlib.pyplot як plt.

Використайте pd.read_csv(), щоб імпортувати 'ozone.csv', створивши DateTimeIndex зі стовпця 'date' за допомогою parse_dates і index_col, і присвойте результат змінній data.
Додайте стовпці '90D' і '360D', що містять 90- та 360-денне календарне ковзне .mean() для стовпця 'Ozone'.
Побудуйте графік data, починаючи з 2010 року, встановивши 'New York City' як title.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

# Plot data

Редагувати та запускати код