Tipi di dati e unione dei dati

Analizzare campagne di marketing con pandas

Jill Rosok

Data Scientist

Tipi di dati comuni

Stringhe (object)
Numeri (float, integer)
Booleani (True, False)
Date

Tipo di dato di una colonna

# Stampa il tipo di dato di una singola colonna
print(marketing['converted'].dtype)

dtype('object')

Modificare il tipo di dato di una colonna

# Cambia il tipo di dato di una colonna
marketing['converted'] = marketing['converted']\
                          .astype('bool')

print(marketing['converted'].dtype)

dtype('bool')

Creare nuove colonne booleane

marketing['is_house_ads'] = np.where(
    marketing['marketing_channel'] == 'House Ads', 
    True, False
)

print(marketing.is_house_ads.head(3))

0    True
1    False
2    True
Name: is_house_ads, dtype: bool

Mappare valori su colonne esistenti

channel_dict = {"House Ads": 1, "Instagram": 2, 
                "Facebook": 3, "Email": 4, "Push": 5}

marketing['channel_code'] = marketing['marketing_channel']\
                              .map(channel_dict)

print(marketing['channel_code'].head(3))

0    1
1    1
2    1
Name: channel_code, dtype: int64

Colonne data

# Leggi le colonne data con parse_dates
marketing = pd.read_csv('marketing.csv', 
                        parse_dates=['date_served', 
                                     'date_subscribed', 
                                     'date_canceled'])

# Oppure
# Converti una colonna esistente in datetime
marketing['date_served'] = pd.to_datetime(
    marketing['date_served']
)

Colonne data

# Oppure converti ogni colonna singolarmente
# Converti una colonna esistente in datetime
marketing['date_served'] = pd.to_datetime(
    marketing['date_served']
)

Colonne data

marketing['day_served'] = marketing['date_served']\
                       .dt.dayofweek

Let's Practice!

Analizzare campagne di marketing con pandas