2010 年以來紐約市的移動平均空氣品質
上一支影片介紹了移動視窗函式。為了練習這個新工具，你將從 2010 年以來的紐約市空氣品質趨勢開始。你會使用美國環保署提供的每日臭氧（Ozone）濃度資料，計算並繪製 90 天與 360 天的移動平均。
本練習屬於課程
Manipulating Time Series Data in Python
練習說明
我們已經將 pandas 以 pd 匯入，並將 matplotlib.pyplot 以 plt 匯入。
- 使用
pd.read_csv()匯入'ozone.csv'，從'date'欄位建立DateTimeIndex（使用parse_dates與index_col），並將結果指定為data。 - 新增欄位
'90D'與'360D'，其內容為欄位'Ozone'的 90 與 360 曆日的.mean()移動平均。 - 繪製自 2010 年起的
data，並將標題（title）設為'New York City'。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import and inspect ozone data here
data = ____
print(____)
# Calculate 90d and 360d rolling mean for the last price
data['90D'] = ____
data['360D'] = ____
# Plot data