LoslegenKostenlos loslegen

Exponentieller gleitender Durchschnitt & über/unter Glättung

In der vorherigen Übung haben wir gesehen, dass unser Umsatz über die Zeit etwas flach verläuft. In dieser Übung tauchen wir tiefer in die Daten ein, um herauszufinden, warum das so ist. Wir betrachten den Umsatz für ein einzelnes In-App-Kaufprodukt, das wir verkaufen, um zu sehen, ob sich dadurch mögliche Trends zeigen. Da das weniger Daten umfasst als unser Gesamtumsatz, sind die Werte deutlich rauschiger. Um dem entgegenzuwirken, glätten wir die Daten mit einem exponentiellen gleitenden Durchschnitt.

Für dich wurde ein neues daily_revenue-Dataset bereitgestellt, das den Umsatz für dieses Produkt enthält.

Diese Übung ist Teil des Kurses

Customer Analytics und A/B-Testing mit Python

Kurs anzeigen

Anleitung zur Übung

  • Verwende die Methode .ewm(), berechne den exponentiellen gleitenden Durchschnitt mit einem span von 10 und speichere ihn in der Spalte small_scale.
  • Wiederhole den vorherigen Schritt mit einem Span von 100 und speichere das Ergebnis in der Spalte medium_scale.
  • Berechne schließlich den exponentiellen gleitenden Durchschnitt mit einem Span von 500 und speichere ihn in der Spalte large_scale.
  • Zeichne die drei Durchschnitte zusammen mit den Rohdaten. Untersuche, wie klar der Trend in den Daten erkennbar ist.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Calculate 'small_scale'
daily_revenue['small_scale'] = daily_revenue.revenue.____(span=____).mean()

# Calculate 'medium_scale'
daily_revenue['___'] = daily_revenue.revenue.____(____=____).____

# Calculate 'large_scale'
daily_revenue[____] = daily_revenue.revenue.____(____=____).____

# Plot 'date' on the x-axis and, our three averages and 'revenue'
# on the y-axis
daily_revenue.plot(x = ____, y =['revenue', 'small_scale', ____, ____])
plt.____
Code bearbeiten und ausführen