Créer un tableau croisé de nos données
Comme vous l’avez vu, le nombre d’achats effectués par les utilisateurs acheteurs pendant leur première semaine semble augmenter. Vérifions maintenant que ce phénomène n’est pas porté par un seul segment d’utilisateurs. Pour cela, nous allons d’abord créer un tableau croisé par 'country', puis par 'device'. Notre changement est censé affecter ces groupes de manière équivalente.
Les données user_purchases précédentes ont été groupées et agrégées selon les colonnes 'country' et 'device'. Ces objets sont disponibles dans votre espace de travail sous les noms user_purchases_country et user_purchases_device.
Pour rappel, .pivot_table() a la signature suivante :
pd.pivot_table(data, values, columns, index)
Cet exercice fait partie du cours
Analytics client et A/B Testing en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Pivot the data
country_pivot = pd.pivot_table(user_purchases_country, values=['____'], columns=['____'], index=['____'])
print(country_pivot.head())