1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Zákaznická analytika a A/B testování v Pythonu
Connected

cvičení

Exponenciální klouzavý průměr a vyhlazování

V předchozím cvičení jsme zjistili, že naše tržby jsou v čase poměrně stabilní. V tomto cvičení se do dat ponoříme hlouběji a pokusíme se přijít na to, proč tomu tak je. Zaměříme se na tržby z jednoho konkrétního produktu pro nákup v aplikaci a zjistíme, jestli to odhalí nějaké trendy. Protože budeme pracovat s menším množstvím dat než při pohledu na celkové tržby, budou data mnohem šumělejší. Abychom to kompenzovali, data vyhladíme pomocí exponenciálního klouzavého průměru.

K dispozici máš nový dataset daily_revenue s tržbami pro tento produkt.

Pokyny

100 XP
  • Pomocí metody .ewm() vypočítej exponenciální klouzavý průměr s hodnotou span 10 a výsledek ulož do sloupce small_scale.
  • Zopakuj předchozí krok, tentokrát se span 100, a výsledek ulož do sloupce medium_scale.
  • Nakonec vypočítej exponenciální klouzavý průměr se span 500 a ulož ho do sloupce large_scale.
  • Vykresli všechny tři průměry spolu s nezpracovanými daty a porovnej, jak zřetelný je trend v datech.