2000 年以來紐約市臭氧資料的 360 日滾動中位數與標準差
上個影片也示範了如何使用 .agg() 計算多個滾動統計量，做法與 .groupby() 類似。
我們來更仔細看看紐約市的空氣品質歷史，使用你先前看過的臭氧（Ozone）資料。逐日資料波動很大，因此用較長期的滾動平均能幫助你看出長期趨勢。
你將使用 360 日的滾動視窗，並用 .agg() 對 2000 年以來的每日平均臭氧值計算滾動平均與標準差。
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），指定結果為data，並用.dropna()移除遺漏值。 - 選取
'Ozone'欄位並建立 360 期的.rolling()視窗，套用.agg()計算mean與std，指定為rolling_stats。 - 使用
.join()將data與rolling_stats串接，指定為stats。 - 使用
subplots繪製stats。
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 = ____
# Calculate the rolling mean and std here
rolling_stats = ____
# Join rolling_stats with ozone data
stats = ____
# Plot stats