显示滚动平均

您也可以将时间序列中的值可视化为滚动平均。这相当于对数据进行"平滑"处理，尤其适用于时间序列中噪声或离群值较多的情况。对于给定的 DataFrame df，可以使用以下命令获得时间序列的滚动平均：

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

window 参数应根据时间序列的粒度来设定。例如，如果时间序列是按天记录的数据，而您希望以整年为窗口计算滚动值，应将参数设为 window=365。此外，获取其他指标的滚动值也很容易，比如标准差（.std()）或方差（.var()）。

本练习是课程的一部分

用 Python 可视化时间序列数据

查看课程

练习说明

计算 co2_levels 的 52 周滚动均值，并将结果赋给 ma。
计算 co2_levels 的 52 周滚动标准差，并将结果赋给 mstd。
计算时间序列的上界，定义为滚动均值 + (2 × 滚动标准差)，并将结果赋给 ma[upper]。同样，计算下界为滚动均值 - (2 × 滚动标准差)，并将结果赋给 ma[lower]。
绘制 ma 的折线图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码