ComeçarComece de graça

Sazonalidade e médias móveis

Dando um passo atrás, vamos analisar agora os dados gerais de receita do nosso app de meditação. Vimos um forte crescimento de compras em um dos nossos produtos e queremos entender se isso está levando a um aumento correspondente na receita. Como você pode esperar, a receita é bastante sazonal, então queremos corrigir isso e revelar as tendências macro.

Neste exercício, vamos corrigir as sazonalidades semanal, mensal e anual e traçar essas séries sobre os nossos dados brutos. Isso pode revelar tendências de forma muito poderosa.

Os dados de receita já estão carregados como daily_revenue.

Este exercício faz parte do curso

Customer Analytics and A/B Testing in Python

Ver curso

Instruções do exercício

  • Usando o método .rolling(), calcule a média móvel dos dados com uma janela de 7 dias e salve na coluna 7_day_rev.
  • Calcule a média móvel mensal (28 dias) e salve na coluna 28_day_rev.
  • Calcule a média móvel anual (365 dias) e salve na coluna 365_day_rev.
  • Clique em 'Enviar Resposta' para plotar as três médias móveis calculadas junto com os dados brutos.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()
Editar e executar o código