IniziaInizia gratis

Media mobile esponenziale e sotto/sovra-livellamento

Nel precedente esercizio abbiamo visto che il nostro fatturato è piatto nel tempo. In questo esercizio andremo più a fondo nei dati per capire il perché. Osserveremo il fatturato di un singolo prodotto acquistabile in-app che stiamo vendendo, per vedere se emergono eventuali tendenze. Poiché qui c’è meno dati rispetto al fatturato complessivo, la serie sarà molto più rumorosa. Per gestire questo aspetto, renderemo i dati più omogenei usando una media mobile esponenziale.

È stato fornito un nuovo insieme di dati daily_revenue, che contiene il fatturato relativo a questo prodotto.

Questo esercizio fa parte del corso

Customer Analytics and A/B Testing in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Usando il metodo .ewm(), calcola la media mobile esponenziale con span pari a 10 e salvala in una colonna small_scale.
  • Ripeti il passaggio precedente, ora con uno span di 100 e salvalo in una colonna medium_scale.
  • Infine, calcola la media mobile esponenziale con uno span di 500 e salvala in una colonna large_scale.
  • Traccia i tre andamenti medi insieme ai dati grezzi. Osserva quanto risulta chiaro l’andamento della serie.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Calculate 'small_scale'
daily_revenue['small_scale'] = daily_revenue.revenue.____(span=____).mean()

# Calculate 'medium_scale'
daily_revenue['___'] = daily_revenue.revenue.____(____=____).____

# Calculate 'large_scale'
daily_revenue[____] = daily_revenue.revenue.____(____=____).____

# Plot 'date' on the x-axis and, our three averages and 'revenue'
# on the y-axis
daily_revenue.plot(x = ____, y =['revenue', 'small_scale', ____, ____])
plt.____
Modifica ed esegui il codice