Daten pivotieren
Wie du gesehen hast, scheint die Anzahl der Käufe durch kaufende Nutzerinnen und Nutzer in ihrer ersten Woche zuzunehmen. Lass uns jetzt prüfen, ob das nicht nur von einem Segment getrieben wird. Dazu pivotieren wir unsere Daten zuerst nach 'country' und dann nach 'device'. Unsere Änderung soll alle diese Gruppen gleichermaßen beeinflussen.
Die user_purchases-Daten von zuvor wurden bereits nach den Spalten 'country' und 'device' gruppiert und aggregiert. Diese Objekte findest du in deiner Arbeitsumgebung als user_purchases_country und user_purchases_device.
Zur Erinnerung: .pivot_table() hat die folgende Signatur:
pd.pivot_table(data, values, columns, index)
Diese Übung ist Teil des Kurses
<Kurs>Customer Analytics und A/B-Testing mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Pivot the data
country_pivot = pd.pivot_table(user_purchases_country, values=['____'], columns=['____'], index=['____'])
print(country_pivot.head())