A/B 测试数据清洗

A/B 测试的数据清洗与常见的数据清洗与处理流程并无不同。不过，逐一了解每个 A/B 测试的业务背景和数据记录方式，能帮助您决定如何处置脏数据。是否删除或保留重复值与缺失值，是两个需要格外谨慎的场景；我们必须确保度量定义合理，且在不同变体之间保持一致。

AdSmart 与 homepage 两个 DataFrame 以及 pandas、numpy 库已为您加载。

Adsmart 的 Kaggle 数据集来源链接在此：Kaggle dataset source is linked here.

本练习是课程的一部分

Python 中的 A/B 测试

通过完成这段示例代码来试试这个练习。

# Check for duplicate rows due to logging issues 
print(____(AdSmart))
print(____(AdSmart.____(keep='____')))