ฟังก์ชันสำหรับพล็อตกราฟ
หลังจากที่ดูอัตราการแปลงตามกลุ่มอายุแล้ว ขั้นตอนต่อไปคือการตรวจสอบว่าแนวโน้มดังกล่าวเปลี่ยนแปลงไปตามเวลาหรือไม่ ทีมการตลาดกำลังปรับกลยุทธ์และต้องการมั่นใจว่าวิธีการใหม่ไม่ได้ทำให้กลุ่มอายุที่ยังไม่คุ้นเคยกับผลิตภัณฑ์รู้สึกแปลกแยก อย่างไรก็ตาม เพื่อให้ทำได้ง่ายขึ้น จำเป็นต้องสร้างฟังก์ชันสำหรับพล็อตกราฟเพื่อช่วยให้มองเห็นผลลัพธ์ได้ชัดเจนยิ่งขึ้น
ในแบบฝึกหัดนี้ จะได้สร้างฟังก์ชันสำหรับพล็อตผลลัพธ์จากฟังก์ชันอัตราการแปลงที่สร้างขึ้นก่อนหน้านี้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
วิเคราะห์แคมเปญการตลาดด้วย pandas
คำแนะนำการฝึกหัด
- สร้าง for loop เพื่อวนซ้ำในแต่ละ
columnของdataframe - พล็อตกราฟเส้นของคอลัมน์นั้นโดยใช้ index ของ DataFrame เป็นแกน
- แสดงกราฟ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
def plotting_conv(dataframe):
for ____ in ____:
# Plot column by dataframe's index
____
plt.title('Daily ' + str(column) + ' conversion rate\n',
size = 16)
plt.ylabel('Conversion rate', size = 14)
plt.xlabel('Date', size = 14)
# Show plot
____
plt.clf()