Memplot data deret waktu
Untuk meningkatkan pembelian, kami telah melakukan beberapa perubahan pada harga pembelian dalam aplikasi untuk pengguna baru. Pada latihan ini, Anda akan memeriksa apakah perubahan ini berdampak pada jumlah pembelian yang dilakukan oleh pengguna pembeli selama minggu pertama mereka.
Himpunan data user_purchases telah digabungkan dengan data demografi dan difilter dengan benar. Kolom 'first_week_purchases' yang bernilai 1 untuk pembelian pada minggu pertama dan 0 untuk selainnya telah ditambahkan. Kolom ini kemudian diubah menjadi rata-rata jumlah pembelian per hari oleh pengguna pada minggu pertama mereka.
Kita akan mencoba melihat dampak perubahan ini dengan meninjau grafik pembelian seperti dijelaskan pada instruksi.
Latihan ini adalah bagian dari kursus
Analitik Pelanggan dan A/B Testing dengan Python
Petunjuk latihan
Baca dan pahami kode yang ditampilkan, lalu plot data user_purchases dengan 'reg_date' pada sumbu x dan 'first_week_purchases' pada sumbu y.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Group the data and aggregate first_week_purchases
user_purchases = user_purchases.groupby(by=['reg_date', 'uid']).agg({'first_week_purchases': ['sum']})
# Reset the indexes
user_purchases.columns = user_purchases.columns.droplevel(level=1)
user_purchases.reset_index(inplace=True)
# Find the average number of purchases per day by first-week users
user_purchases = user_purchases.groupby(by=['reg_date']).agg({'first_week_purchases': ['mean']})
user_purchases.columns = user_purchases.columns.droplevel(level=1)
user_purchases.reset_index(inplace=True)
# Plot the results
user_purchases.plot(x=____, y=____)
plt.show()