MulaiMulai sekarang secara gratis

Musiman dan rata-rata bergerak

Mundur selangkah, sekarang kita akan melihat data pendapatan keseluruhan untuk aplikasi meditasi kita. Kita melihat pertumbuhan pembelian yang kuat pada salah satu produk, dan sekarang kita ingin mengetahui apakah hal itu menyebabkan kenaikan pendapatan yang sepadan. Seperti yang Anda duga, pendapatan sangat bersifat musiman, jadi kita ingin mengoreksinya dan mengungkap tren makro.

Dalam latihan ini, kita akan mengoreksi musiman mingguan, bulanan, dan tahunan serta memplotnya di atas data mentah. Ini dapat mengungkap tren dengan cara yang sangat kuat.

Data pendapatan telah dimuat untuk Anda sebagai daily_revenue.

Latihan ini adalah bagian dari kursus

Analitik Pelanggan dan A/B Testing dengan Python

Lihat Kursus

Petunjuk latihan

  • Dengan metode .rolling(), cari rata-rata bergerak dari data dengan jendela 7 hari dan simpan dalam kolom 7_day_rev.
  • Cari rata-rata bergerak bulanan (28 hari) dan simpan dalam kolom 28_day_rev.
  • Cari rata-rata bergerak tahunan (365 hari) dan simpan dalam kolom 365_day_rev.
  • Tekan 'Kirim Jawaban' untuk memplot tiga rata-rata bergerak yang dihitung bersama dengan data mentah.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute 7_day_rev
daily_revenue['7_day_rev'] = daily_revenue.revenue.____(window=____,center=False).____

# Compute 28_day_rev
daily_revenue['28_day_rev'] = daily_revenue.revenue.____(window=____,center=False).____
    
# Compute 365_day_rev
daily_revenue['365_day_rev'] = daily_revenue.revenue.____(window=____,center=False).____
    
# Plot date, and revenue, along with the 3 rolling functions (in order)    
daily_revenue.plot(x='date', y=['revenue', '7_day_rev', '28_day_rev', '365_day_rev', ])
plt.show()
Edit dan Jalankan Kode