What was the average daily amount of precipitation in Bellingham in 2020?

def data_url(city_name):
    base_url = "https://facultyweb.cs.wwu.edu/~wehrwes/courses/csci141_21s/fp/data/"
    return base_url + city_name + ".csv"

import pandas as pd

ham = pd.read_csv(data_url("WA_Bellingham"), low_memory=False)
ham.info(verbose=True)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 11348 entries, 0 to 11347
Data columns (total 124 columns):
 #    Column                                        Dtype  
---   ------                                        -----  
 0    STATION                                       int64  
 1    DATE                                          object 
 2    REPORT_TYPE                                   object 
 3    SOURCE                                        int64  
 4    AWND                                          float64
 5    BackupDirection                               float64
 6    BackupDistance                                float64
 7    BackupDistanceUnit                            float64
 8    BackupElements                                float64
 9    BackupElevation                               float64
 10   BackupElevationUnit                           float64
 11   BackupEquipment                               float64
 12   BackupLatitude                                float64
 13   BackupLongitude                               float64
 14   BackupName                                    float64
 15   CDSD                                          float64
 16   CLDD                                          float64
 17   DSNW                                          float64
 18   DailyAverageDewPointTemperature               float64
 19   DailyAverageDryBulbTemperature                object 
 20   DailyAverageRelativeHumidity                  float64
 21   DailyAverageSeaLevelPressure                  float64
 22   DailyAverageStationPressure                   float64
 23   DailyAverageWetBulbTemperature                float64
 24   DailyAverageWindSpeed                         float64
 25   DailyCoolingDegreeDays                        object 
 26   DailyDepartureFromNormalAverageTemperature    object 
 27   DailyHeatingDegreeDays                        object 
 28   DailyMaximumDryBulbTemperature                float64
 29   DailyMinimumDryBulbTemperature                object 
 30   DailyPeakWindDirection                        object 
 31   DailyPeakWindSpeed                            object 
 32   DailyPrecipitation                            object 
 33   DailySnowDepth                                float64
 34   DailySnowfall                                 float64
 35   DailySustainedWindDirection                   float64
 36   DailySustainedWindSpeed                       float64
 37   DailyWeather                                  object 
 38   HDSD                                          float64
 39   HTDD                                          float64
 40   HeavyFog                                      float64
 41   HourlyAltimeterSetting                        float64
 42   HourlyDewPointTemperature                     object 
 43   HourlyDryBulbTemperature                      object 
 44   HourlyPrecipitation                           object 
 45   HourlyPresentWeatherType                      object 
 46   HourlyPressureChange                          float64
 47   HourlyPressureTendency                        float64
 48   HourlyRelativeHumidity                        float64
 49   HourlySeaLevelPressure                        object 
 50   HourlySkyConditions                           object 
 51   HourlyStationPressure                         float64
 52   HourlyVisibility                              object 
 53   HourlyWetBulbTemperature                      float64
 54   HourlyWindDirection                           object 
 55   HourlyWindGustSpeed                           float64
 56   HourlyWindSpeed                               float64
 57   MonthlyAverageRH                              float64
 58   MonthlyDaysWithGT001Precip                    float64
 59   MonthlyDaysWithGT010Precip                    float64
 60   MonthlyDaysWithGT32Temp                       float64
 61   MonthlyDaysWithGT90Temp                       float64
 62   MonthlyDaysWithLT0Temp                        float64
 63   MonthlyDaysWithLT32Temp                       float64
 64   MonthlyDepartureFromNormalAverageTemperature  float64
 65   MonthlyDepartureFromNormalCoolingDegreeDays   float64
 66   MonthlyDepartureFromNormalHeatingDegreeDays   float64
 67   MonthlyDepartureFromNormalMaximumTemperature  float64
 68   MonthlyDepartureFromNormalMinimumTemperature  float64
 69   MonthlyDepartureFromNormalPrecipitation       float64
 70   MonthlyDewpointTemperature                    float64
 71   MonthlyGreatestPrecip                         float64
 72   MonthlyGreatestPrecipDate                     float64
 73   MonthlyGreatestSnowDepth                      float64
 74   MonthlyGreatestSnowDepthDate                  float64
 75   MonthlyGreatestSnowfall                       float64
 76   MonthlyGreatestSnowfallDate                   float64
 77   MonthlyMaxSeaLevelPressureValue               float64
 78   MonthlyMaxSeaLevelPressureValueDate           float64
 79   MonthlyMaxSeaLevelPressureValueTime           float64
 80   MonthlyMaximumTemperature                     float64
 81   MonthlyMeanTemperature                        float64
 82   MonthlyMinSeaLevelPressureValue               float64
 83   MonthlyMinSeaLevelPressureValueDate           float64
 84   MonthlyMinSeaLevelPressureValueTime           float64
 85   MonthlyMinimumTemperature                     float64
 86   MonthlySeaLevelPressure                       float64
 87   MonthlyStationPressure                        float64
 88   MonthlyTotalLiquidPrecipitation               float64
 89   MonthlyTotalSnowfall                          float64
 90   MonthlyWetBulb                                float64
 91   NormalsCoolingDegreeDay                       float64
 92   NormalsHeatingDegreeDay                       float64
 93   REM                                           object 
 94   REPORT_TYPE.1                                 object 
 95   SOURCE.1                                      int64  
 96   ShortDurationEndDate005                       float64
 97   ShortDurationEndDate010                       float64
 98   ShortDurationEndDate015                       float64
 99   ShortDurationEndDate020                       float64
 100  ShortDurationEndDate030                       float64
 101  ShortDurationEndDate045                       float64
 102  ShortDurationEndDate060                       float64
 103  ShortDurationEndDate080                       float64
 104  ShortDurationEndDate100                       float64
 105  ShortDurationEndDate120                       float64
 106  ShortDurationEndDate150                       float64
 107  ShortDurationEndDate180                       float64
 108  ShortDurationPrecipitationValue005            float64
 109  ShortDurationPrecipitationValue010            float64
 110  ShortDurationPrecipitationValue015            float64
 111  ShortDurationPrecipitationValue020            float64
 112  ShortDurationPrecipitationValue030            float64
 113  ShortDurationPrecipitationValue045            float64
 114  ShortDurationPrecipitationValue060            float64
 115  ShortDurationPrecipitationValue080            float64
 116  ShortDurationPrecipitationValue100            float64
 117  ShortDurationPrecipitationValue120            float64
 118  ShortDurationPrecipitationValue150            float64
 119  ShortDurationPrecipitationValue180            float64
 120  Sunrise                                       float64
 121  Sunset                                        float64
 122  TStorms                                       float64
 123  WindEquipmentChangeDate                       float64
dtypes: float64(100), int64(3), object(21)
memory usage: 10.7+ MB

ham

	STATION	DATE	REPORT_TYPE	SOURCE	AWND	BackupDirection	BackupDistance	BackupDistanceUnit	BackupElements	BackupElevation	...	ShortDurationPrecipitationValue060	ShortDurationPrecipitationValue080	ShortDurationPrecipitationValue100	ShortDurationPrecipitationValue120	ShortDurationPrecipitationValue150	ShortDurationPrecipitationValue180	Sunrise	Sunset	TStorms	WindEquipmentChangeDate
0	72797624217	2020-01-01T00:14:00	FM-16	7	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	72797624217	2020-01-01T00:24:00	FM-16	7	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	72797624217	2020-01-01T00:53:00	FM-15	7	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
3	72797624217	2020-01-01T01:53:00	FM-15	7	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	72797624217	2020-01-01T02:53:00	FM-15	7	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
11343	72797624217	2020-12-31T20:53:00	FM-15	4	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
11344	72797624217	2020-12-31T21:53:00	FM-15	4	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
11345	72797624217	2020-12-31T22:53:00	FM-15	4	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
11346	72797624217	2020-12-31T23:53:00	FM-15	4	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
11347	72797624217	2020-12-31T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1624.0	NaN	NaN

11348 rows × 124 columns

ham["DailyPrecipitation"]

0         NaN
1         NaN
2         NaN
3         NaN
4         NaN
         ... 
11343     NaN
11344     NaN
11345     NaN
11346     NaN
11347    0.40
Name: DailyPrecipitation, Length: 11348, dtype: object

Many rows have NaN, which means missing data. Let's filter out only rows wiht report type "SOD". We found that it's not actually "SOD", but "SOD ", so we instead found all rows that contain the string "SOD" in the REPORT_TYPE column:

mask = ham["REPORT_TYPE"].str.contains("SOD")
# mask = ham["REPORT_TYPE"] == "SOD  "
dailies = ham[mask]
dailies

	STATION	DATE	REPORT_TYPE	SOURCE	AWND	BackupDirection	BackupDistance	BackupDistanceUnit	BackupElements	BackupElevation	...	ShortDurationPrecipitationValue060	ShortDurationPrecipitationValue080	ShortDurationPrecipitationValue100	ShortDurationPrecipitationValue120	ShortDurationPrecipitationValue150	ShortDurationPrecipitationValue180	Sunrise	Sunset	TStorms	WindEquipmentChangeDate
27	72797624217	2020-01-01T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	804.0	1624.0	NaN	NaN
58	72797624217	2020-01-02T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1625.0	NaN	NaN
86	72797624217	2020-01-03T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1627.0	NaN	NaN
115	72797624217	2020-01-04T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1628.0	NaN	NaN
147	72797624217	2020-01-05T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1629.0	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
11188	72797624217	2020-12-27T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1621.0	NaN	NaN
11236	72797624217	2020-12-28T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1621.0	NaN	NaN
11275	72797624217	2020-12-29T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1622.0	NaN	NaN
11304	72797624217	2020-12-30T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1623.0	NaN	NaN
11347	72797624217	2020-12-31T23:59:00	SOD	6	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	803.0	1624.0	NaN	NaN

366 rows × 124 columns

notraces = dailies["DailyPrecipitation"].str.replace("T", "0.0")
notraces = notraces.str.rstrip("s").astype(float)

notraces.mean()

0.11300546448087434

notraces.std() # standard deviation

0.2230393661983623

We can visualize the frequency of different values with the plot.hist function. Check out the documentation for more on how to control the bin size, which can be important depending on your data.

precip_amts.plot.hist()

<AxesSubplot:ylabel='Frequency'>

Show a bunch of useful summary stats:

precip_amts.describe()

count    366.000000
mean       0.113005
std        0.223039
min        0.000000
25%        0.000000
50%        0.000000
75%        0.130000
max        1.820000
Name: DailyPrecipitation, dtype: float64