Fazendo pivot nos dados
Como você viu, parece haver um aumento no número de compras por usuários que compram durante a primeira semana. Vamos confirmar que isso não é impulsionado por apenas um segmento de usuários. Faremos isso primeiro criando uma tabela dinâmica por 'country' e depois por 'device'. Nossa mudança foi pensada para impactar todos esses grupos de forma igual.
Os dados user_purchases anteriores foram agrupados e agregados pelas colunas 'country' e 'device'. Esses objetos estão disponíveis no seu ambiente como user_purchases_country e user_purchases_device.
Para relembrar, .pivot_table() tem a seguinte assinatura:
pd.pivot_table(data, values, columns, index)
Este exercício faz parte do curso
Customer Analytics and A/B Testing in Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Pivot the data
country_pivot = pd.pivot_table(user_purchases_country, values=['____'], columns=['____'], index=['____'])
print(country_pivot.head())