A/B テストのデータクリーニング
A/B テストのデータクリーニングは、一般的なデータクリーニングやデータ操作のコースで学ぶ手順と大きく変わりません。ただし、各 A/B テストの文脈やログの記録方法をケースバイケースで理解すると、乱れたデータをどう扱うかの判断がしやすくなります。重複や欠損値を削除するか保持するかは、指標（メトリクス）の定義や、バリアント間での一貫性に注意が必要な代表例です。
AdSmart と homepage の各 DataFrame、および pandas と numpy のライブラリは読み込まれています。
Adsmart の Kaggle データセットの出典はこちらのリンクです。
この演習はコースの一部です
Pythonで学ぶA/Bテスト
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Check for duplicate rows due to logging issues
print(____(AdSmart))
print(____(AdSmart.____(keep='____')))