Préparer nos données pour visualiser la conversion quotidienne
Quand vous cherchez à comprendre la performance de votre campagne, il est essentiel d'examiner l'évolution de vos indicateurs clés tout au long de celle-ci. Ces indicateurs peuvent vous aider à repérer des problèmes survenus pendant la campagne, par exemple un bogue dans le système de paiement qui aurait fait baisser la conversion vers la fin. L'évolution dans le temps peut aussi révéler des tendances, comme une hausse des abonnements pendant la fin de semaine ou lors de certains jours fériés.
Dans cet exercice, vous allez reprendre la Series du taux de conversion quotidien daily_conversion_rates créée dans un exercice précédent. Avant de passer à la visualisation, vous devez transformer vos données dans un format plus simple à utiliser avec pandas et matplotlib.
Cette activité fait partie du cours
Analyser des campagnes marketing avec pandas
Instructions de l’exercice
- Réinitialisez l'index de la Series
daily_conversion_rateset utilisezpd.DataFrame()pour convertir le tout en un DataFrame nommédaily_conversion_rate. - Renommez les colonnes du nouveau DataFrame
daily_conversion_ratepar'date_served'et'conversion_rate'.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Reset index to turn the results into a DataFrame
daily_conversion_rate = ____(daily_conversion_rates.____(____))
# Rename columns
daily_conversion_rate.____ = ['____',
'____']