LoslegenKostenlos loslegen

Gruppieren & Aggregieren

Du wirst .groupby() und .agg() in diesem Kurs oft verwenden, daher ist es wichtig, dass du dich damit wohlfühlst. In dieser Übung berechnest du zusammenfassende Kennzahlen für die Kaufdaten, aufgeschlüsselt nach 'device' (Android oder iOS) und 'gender' (Male oder Female).

Anschließend vergleichst du die Werte über diese Teilmengen hinweg. So erhältst du eine Ausgangsbasis für diese Werte als potenzielle KPIs, die du künftig optimieren kannst.

Das DataFrame purchase_data aus der vorherigen Übung wurde bereits für dich geladen. Zur Erinnerung: Es enthält Käufe, zusammengeführt mit demografischen Nutzerdaten.

Diese Übung ist Teil des Kurses

Customer Analytics und A/B-Testing mit Python

Kurs anzeigen

Anleitung zur Übung

  • Gruppiere das DataFrame purchase_data in dieser Reihenfolge nach 'device' und 'gender'.
  • Aggregiere grouped_purchase_data und ermittle in dieser Reihenfolge den 'mean', 'median' und die Standardabweichung ('std') des Kaufpreises über diese Gruppen.
  • Schau dir die Ergebnisse an. Weicht der Mittelwert stark vom Median ab? Wie groß ist die Streuung in jeder Gruppe?

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Group the data 
grouped_purchase_data = purchase_data.____(____ = ['____', '____'])

# Aggregate the data
purchase_summary = grouped_purchase_data.____({'price': ['____', '____', '____']})

# Examine the results
print(purchase_summary)
Code bearbeiten und ausführen