Nettoyage des données et analyse exploratoire

A/B Testing en Python

Moe Lotfy, PhD

Principal Data Science Manager

Nettoyer les valeurs manquantes

  • Valeurs manquantes
    • Supprimer, ignorer, imputer
# Calculate the mean order value
checkout.order_value.mean()

30.0096

# Replace missing values with zeros and get mean
checkout['order_value'].fillna(0).mean()

25.3581
A/B Testing en Python

Nettoyer les doublons

  • Doublons
    • Les lignes identiques doivent être supprimées
# Check for duplicate rows due to logging issues 
print(len(checkout))
print(len(checkout.drop_duplicates(keep='first')))

9000
9000
A/B Testing en Python

Nettoyer les doublons

  • Doublons
    • Les doublons d'utilisateurs doivent être traités avec soin.
# Unique users in group B
print(checkout[checkout['checkout_page'] == 'B']['user_id'].nunique())
# Unique users who purchased at least once
print(checkout[checkout['checkout_page'] == 'B'].groupby('user_id')['purchased'].max().sum())
# Total purchase events in group B
print(checkout[checkout['checkout_page'] == 'B']['purchased'].sum())

2938
2491.0
2541.0
A/B Testing en Python

Statistiques EDA

  • Résumé moyenne, effectif et écart-type
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 en Python

Tracé EDA

  • Diagrammes à bandes
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 [$]')

Diagramme à bandes de la valeur moyenne des commandes par variante de page de paiement

A/B Testing en Python

Tracé EDA

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

Histogramme de la valeur des commandes

A/B Testing en Python

Tracé EDA

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

Courbe de la proportion d'utilisateurs répondant oui à une pub

1 Jeu de données Adsmart sur Kaggle : https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing
A/B Testing en Python

Passons à la pratique !

A/B Testing en Python

Preparing Video For Download...