顯示移動平均

你也可以把時間序列中的數值畫成移動平均。這相當於對資料做「平滑化」，當時間序列含有大量雜訊或離群值時特別有用。對於給定的 DataFrame df，你可以使用以下指令取得時間序列的移動平均：

df_mean = df.rolling(window=12).mean()

window 參數應根據時間序列的粒度來設定。例如，若時間序列是每日資料，而你想計算整年期間的移動值，就應將參數設為 window=365。此外，也很容易為其他指標取得移動值，例如標準差（.std()）或變異數（.var()）。

本練習屬於課程

使用 Python 視覺化時間序列資料

檢視課程

練習說明

計算 co2_levels 的 52 週移動平均，指定為 ma。
計算 co2_levels 的 52 週移動標準差，指定為 mstd。
計算時間序列的上界，定義為移動平均 +（2 × 移動標準差），指定為 ma[upper]。同樣地，計算下界為移動平均 −（2 × 移動標準差），指定為 ma[lower]。
繪製 ma 的折線圖。

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。

# Compute the 52 weeks rolling mean of the co2_levels DataFrame
ma = ____.rolling(window=____).____()

# Compute the 52 weeks rolling standard deviation of the co2_levels DataFrame
mstd = ____

# Add the upper bound column to the ma DataFrame
ma['upper'] = ma['co2'] + (____ * ____)

# Add the lower bound column to the ma DataFrame
ma['lower'] = ma['co2'] - (____ * ____)

# Plot the content of the ma DataFrame
ax = ____(linewidth=0.8, fontsize=6)

# Specify labels, legend, and show the plot
ax.set_xlabel('Date', fontsize=10)
ax.set_ylabel('CO2 levels in Mauai Hawaii', fontsize=10)
ax.set_title('Rolling mean and variance of CO2 levels\nin Mauai Hawaii from 1958 to 2001', fontsize=10)
plt.show()

編輯並執行程式碼