Plotando dados de séries temporais
Para tentar aumentar as compras, fizemos algumas mudanças no preço da compra dentro do app para novos usuários. Neste exercício, você vai verificar se isso está impactando o número de compras feitas por usuários pagantes durante a primeira semana.
O conjunto de dados user_purchases foi combinado com os dados demográficos e devidamente filtrado. A coluna 'first_week_purchases', que vale 1 para uma compra na primeira semana e 0 caso contrário, foi adicionada. Essa coluna é convertida para o número médio de compras por dia feitas pelos usuários em sua primeira semana.
Vamos tentar visualizar o impacto dessa mudança olhando um gráfico de compras, como descrito nas instruções.
Este exercício faz parte do curso
Customer Analytics and A/B Testing in Python
Instruções do exercício
Leia e entenda o código mostrado e, em seguida, faça o gráfico dos dados de user_purchases com 'reg_date' no eixo x e 'first_week_purchases' no eixo y.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()