"星期效应"
虽然 A/B 测试可以让我们控制天气、节假日等外部变量，但有些处理在特定时期的影响更强或更弱。若要完整反映波动期内的用户行为，需要把这些影响纳入分析。根据跟踪的指标，您可能需要让 A/B 测试运行满整周的周期。有些指标具有季节性，受节假日、周末等影响明显；而另一些指标波动不大。作为数据科学家，您需要判断并给出建议：是达到所需样本量就停止测试，还是适当延长几天，以覆盖如"星期效应"等季节性影响。
请查看已经为您加载的 novelty 数据集，找出需要按整周周期运行的指标。pandas 和 matplotlib 也已为您加载。
本练习是课程的一部分
Python 中的 A/B 测试
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()