Limpeza de dados e análise exploratória

A/B Testing em Python

Moe Lotfy, PhD

Principal Data Science Manager

Limpando valores ausentes

  • Valores ausentes
    • Remover, ignorar, imputar
# Calcular o valor médio do pedido
checkout.order_value.mean()

30.0096

# Substituir ausentes por zero e obter a média
checkout['order_value'].fillna(0).mean()

25.3581
A/B Testing em Python

Limpando duplicatas

  • Duplicatas
    • Linhas idênticas devem ser removidas
# Verificar linhas duplicadas devido a problemas de log 
print(len(checkout))
print(len(checkout.drop_duplicates(keep='first')))

9000
9000
A/B Testing em Python

Limpando duplicatas

  • Duplicatas
    • Usuários duplicados exigem cuidado.
# Usuários únicos no grupo B
print(checkout[checkout['checkout_page'] == 'B']['user_id'].nunique())
# Usuários únicos que compraram ao menos uma vez
print(checkout[checkout['checkout_page'] == 'B'].groupby('user_id')['purchased'].max().sum())
# Total de eventos de compra no grupo B
print(checkout[checkout['checkout_page'] == 'B']['purchased'].sum())

2938
2491.0
2541.0
A/B Testing em Python

Estatísticas de EDA

  • Resumo de média, contagem e desvio padrão
checkout.groupby('checkout_page')['order_value'].agg({'mean','std','count'})

                    mean     count    std
checkout_page            
        A        24.956437    2461    2.418837
        B        29.876202    2541    7.277644
        C        34.917589    2603    4.869816
A/B Testing em Python

Gráficos de EDA

  • Gráficos de barras
sns.barplot(x=checkout['checkout_page'], y=checkout['order_value'], estimator=np.mean)
plt.title('Average Order Value per Checkout Page Variant')
plt.xlabel('Checkout Page Variant')
plt.ylabel('Order Value [$]')

Gráfico de barras do valor médio do pedido por variante da página de checkout

A/B Testing em Python

Gráficos de EDA

  • Histogramas
sns.displot(data=checkout, x='order_value', hue = 'checkout_page', kde=True)

Histograma do valor do pedido

A/B Testing em Python

Gráficos de EDA

  • Séries temporais (linhas)
sns.lineplot(data=AdSmart,x='date', y='yes', hue='experiment', errorbar=None)

Série temporal da proporção de usuários que responderam yes a um anúncio

1 Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing
A/B Testing em Python

Vamos praticar!

A/B Testing em Python

Preparing Video For Download...