Распределения по CTR
При анализе отдельного признака полезно изучить как его распределение, так и его взаимосвязь с интересующей переменной. В этом упражнении вы исследуете признак search_engine_type, который представляет собой целое число, обозначающее поисковую систему — например, Google или Bing, — с помощью которой пользователь совершил действие перед просмотром объявления. По соображениям конфиденциальности категории являются анонимными. Сначала вы построите и изучите распределение признака search_engine_type. Затем вы посмотрите, как CTR меняется в зависимости от значения search_engine_type — аналогично тому, как вы анализировали CTR в разбивке по типу устройства и позиции баннера в предыдущей главе.
Выборка данных в виде DataFrame загружена как df. В вашем рабочем пространстве также доступна библиотека pandas под псевдонимом pd.
Это упражнение является частью курса
Прогнозирование CTR с помощью машинного обучения на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Construct bar chart for clicks by search engine type
se_df = df.____(['search_engine_type', 'click']).size().unstack()
se_df.plot(kind = 'bar', title = 'Value frequency for search engine type')
plt.show()