2000 年以来纽约臭氧数据的 360 天滚动中位数与标准差
上一段视频还演示了如何使用 .agg() 方法计算多种滚动统计量，方式类似于 .groupby()。
让我们继续用之前见过的 Ozone（臭氧）数据，更细致地观察纽约市的空气质量历史。按日的数据波动很大，因此使用更长周期的滚动平均有助于揭示长期趋势。
在本练习中，您将使用 360 天的滚动窗口，并用 .agg() 计算自 2000 年以来每日平均臭氧值的滚动均值与标准差。
本练习是课程的一部分
Python 中的时间序列数据处理
练习说明
我们已为您导入了 pandas 为 pd，以及将 matplotlib.pyplot 导入为 plt。
- 使用
pd.read_csv()读取'ozone.csv'，通过parse_dates和index_col将'date'列解析为DateTimeIndex，将结果赋给data，并使用.dropna()删除缺失值。 - 选择
'Ozone'列，创建 360 期的.rolling()窗口，使用.agg()计算mean和std，并将结果赋给rolling_stats。 - 使用
.join()将data与rolling_stats连接，赋给stats。 - 使用
subplots绘制stats。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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