Разведочный анализ пропорций
Разведочный анализ данных (EDA) помогает получить первоначальное представление о данных. Сводная статистика описывает величину, направление и разброс средних метрик, а визуальные распределения и тренды дают более глубокое понимание того, на что стоит обратить внимание, и позволяют обнаружить интересные закономерности, которые могут быть скрыты за средними значениями.
Представьте, что вы аналитик данных и только приступаете к изучению данных A/B-теста на начальном этапе EDA — до проведения каких-либо статистических тестов. Посмотрите, что интересного вы сможете найти в этих данных. Фреймы данных AdSmart и checkout, а также библиотеки pandas как pd, NumPy как np, Matplotlib.pyplot как plt и Seaborn как sns уже загружены.
Источник набора данных Adsmart на Kaggle доступен по ссылке.
Это упражнение является частью курса
A/B-тестирование в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate the mean, standard deviation and count
checkout.____(____)[____].agg({____,____,____})