Préparer nos données pour visualiser la conversion quotidienne
Pour comprendre les performances de votre campagne, il est essentiel d’observer l’évolution des indicateurs clés tout au long de celle-ci. Ces indicateurs peuvent vous aider à détecter des problèmes survenus pendant la campagne, comme un bug du système de paiement ayant entraîné une baisse de la conversion vers la fin. Suivre les métriques dans le temps peut également faire ressortir des tendances, par exemple davantage d’abonnements le week-end ou lors de certains jours fériés.
Dans cet exercice, vous allez repartir de la Series du taux de conversion quotidien daily_conversion_rates que vous avez construite précédemment. Avant de pouvoir visualiser ces données, vous devez les transformer dans un format plus simple à utiliser avec pandas et matplotlib.
Cet exercice fait partie du cours
Analyzing Marketing Campaigns with pandas
Instructions
- Réinitialisez l’index de la Series
daily_conversion_rateset utilisezpd.DataFrame()pour convertir le résultat en un DataFrame nommédaily_conversion_rate. - Renommez les colonnes du nouveau DataFrame
daily_conversion_rateen'date_served'et'conversion_rate'.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Reset index to turn the results into a DataFrame
daily_conversion_rate = ____(daily_conversion_rates.____(____))
# Rename columns
daily_conversion_rate.____ = ['____',
'____']