紐約市每日空氣品質的滾動分位數
你在上一部影片學到如何計算滾動分位數，用比平均數與標準差更不受極端值影響的方式，描述時間序列在一段時間內的離散程度變化。
現在，讓我們用 360 天的滾動視窗，計算紐約市每日臭氧平均濃度分佈在 10%（q10）、50%（中位數，q50）與 90%（q90）處的滾動分位數。
本練習屬於課程
Manipulating Time Series Data in Python
練習說明
我們已將 pandas 以 pd 匯入，並將 matplotlib.pyplot 以 plt 匯入。也已將 2000–2017 年的臭氧資料載入為變數 data。
- 對
data以每日頻率'D'使用.resample()，再套用.interpolate()補齊遺漏值，並將結果指派回data。 - 使用
.info()檢視結果。 - 建立 360 期的
.rolling()視窗，選取欄位'Ozone'，並將結果指派給rolling。 - 在
data中新增三個欄位'q10'、'q50'、'q90'，其數值來自rolling計算對應分位數。 - 繪製
data的圖表。
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。
# Resample, interpolate and inspect ozone data here
data = ____
# Create the rolling window
rolling = ____
# Insert the rolling quantiles to the monthly returns
data['q10'] = ____
data['q50'] = ____
data['q90'] = ____
# Plot the data