Trung vị và độ lệch chuẩn lăn 360 ngày cho dữ liệu ozone NYC từ năm 2000

Video trước cũng cho bạn thấy cách tính nhiều thống kê lăn bằng .agg(), tương tự như .groupby().

Hãy xem kỹ hơn lịch sử chất lượng không khí của NYC với dữ liệu Ozone mà bạn đã gặp. Dữ liệu theo ngày biến động mạnh, nên dùng trung bình lăn dài hạn có thể giúp làm rõ xu hướng dài hạn.

Bạn sẽ dùng cửa sổ lăn 360 ngày và .agg() để tính trung bình và độ lệch chuẩn lăn cho giá trị ozone trung bình hằng ngày kể từ năm 2000.

Bài tập này là một phần của khóa học

Xử lý dữ liệu chuỗi thời gian trong Python

Xem khóa học

Hướng dẫn bài tập

Chúng tôi đã nhập pandas là pd, và matplotlib.pyplot là plt.

Dùng pd.read_csv() để nhập 'ozone.csv', tạo DateTimeIndex từ cột 'date' bằng parse_dates và index_col, gán kết quả cho data, và loại giá trị thiếu bằng .dropna().
Chọn cột 'Ozone' và tạo cửa sổ .rolling() với 360 kỳ, áp dụng .agg() để tính mean và std, và gán cho rolling_stats.
Dùng .join() để nối data với rolling_stats, và gán cho stats.
Vẽ stats bằng subplots.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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

Chỉnh sửa và Chạy Mã