使用 pandas 分析行銷活動
Jill Rosok
Data Scientist
import matplotlib.pyplot as plt # 使用 channel retention 的 DataFrame 建立長條圖 language_conversion_rate.plot(kind = 'bar') # 加上標題與座標軸標籤 plt.title('各語言轉換率\n', size = 16) plt.xlabel('語言', size = 14) plt.ylabel('轉換率 (%)', size = 14) # 顯示圖表 plt.show()
import matplotlib.pyplot as plt # 使用 channel retention 的 DataFrame 建立長條圖 language_conversion_rate.plot(kind = 'bar')
# 加上標題與座標軸標籤 plt.title('各語言轉換率\n', size = 16) plt.xlabel('語言', size = 14) plt.ylabel('轉換率 (%)', size = 14)
# 顯示圖表 plt.show()
# 依 date_subscribed 分組並計算唯一使用者數 subscribed = marketing.groupby(['date_subscribed'])['user_id']\ .nunique() # 依 date_subscribed 分組並加總轉換數 retained = marketing[marketing['is_retained'] == True]\ .groupby(['date_subscribed'])\ ['user_id'].nunique() # 計算各日期的訂閱者品質 daily_retention_rate = retained/subscribed
# 重設索引，將 Series 轉為 DataFrame daily_retention_rate = pd.DataFrame(daily_retention_rate.reset_index()) # 重新命名欄位 daily_retention_rate.columns = ['date_subscribed', 'retention_rate']
# 使用 daily_retention DataFrame 建立折線圖 daily_retention_rate.plot('date_subscribed', 'retention_rate') # 加上標題與座標軸標籤 plt.title('每日訂閱者品質\n', size = 16) plt.ylabel('1 個月留存率 (%)', size = 14) plt.xlabel('日期', size = 14) # 將 y 軸從 0 開始 plt.ylim(0) # 顯示圖表 plt.show()
Preparing Video For Download...
