Nettoyage des données d'un test A/B
Le nettoyage des données d'un test A/B ne diffère pas du processus habituel vu dans les cours de nettoyage et de manipulation de données. Cependant, comprendre le contexte et la façon dont chaque test A/B journalise les données, au cas par cas, vous aide à décider comment traiter les données imparfaites. Supprimer ou conserver les doublons ou les valeurs manquantes sont deux situations où il faut être prudent avec la définition des indicateurs et leur cohérence entre les variantes.
Les DataFrames AdSmart et homepage, ainsi que les bibliothèques pandas et numpy, sont déjà chargés pour vous.
La source de l'ensemble de données Adsmart sur Kaggle est liée ici.
Cette activité fait partie du cours
A/B Testing en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Check for duplicate rows due to logging issues
print(____(AdSmart))
print(____(AdSmart.____(keep='____')))