Ковзна медіана за 360 днів і стандартне відхилення для даних про озон у Нью-Йорку з 2000 року

В останньому відео ви також бачили, як обчислювати кілька ковзних статистик за допомогою методу .agg(), подібно до .groupby().

Розгляньмо детальніше історію якості повітря Нью-Йорка, використовуючи дані про озон, які ви вже бачили. Щоденні дані дуже мінливі, тож довший ковзний середній може допомогти побачити довгострокову тенденцію.

Ви використаєте ковзне вікно на 360 днів і .agg(), щоб обчислити ковзне середнє та стандартне відхилення для середньодобових значень озону з 2000 року.

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() для імпорту 'ozone.csv', створіть DateTimeIndex зі стовпця 'date' за допомогою parse_dates і index_col, присвойте результат змінній data та приберіть пропущені значення за допомогою .dropna().
Виберіть стовпець 'Ozone' і створіть вікно .rolling() на 360 періодів, застосуйте .agg() для обчислення mean і std, та присвойте це до rolling_stats.
Використайте .join(), щоб об'єднати data з rolling_stats, і присвойте до stats.
Побудуйте графік stats, використовуючи subplots.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код