我是新来的熊猫和尝试自动创建类别和分组的价值观。你知道吗
我的数据帧:
df = pd.DataFrame({'Slug': ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c'],
'Position': ['0', '1', '2', '3', '4', '0', '1', '2', '3', '0', '1', '2'],
'Brand': ['Mazda', 'BMW', 'Ford', 'Fiat', 'Dodge', 'Mazda', 'BMW', 'Ford', 'Fiat', 'BMW', 'Ford', 'Fiat'],
'Sessions': ['70', '', '', '', '', '60', '', '', '', '50', '', ''],
'Transactions': ['1', '', '', '', '', '2', '', '', '', '3', '', ''],
'Ecommerce': ['1', '', '', '', '', '3', '', '', '', '4', '', ''],
'CTR': ['10', '', '', '', '', '15', '', '', '', '5', '', ''],
'All': ['11', '', '', '', '', '1', '', '', '', '4', '', '']})
我想回答一个问题:哪种品牌布局的转化率最好。Position栏展示了品牌在网站上的记录方式:
示例:
0 A #Ford
1 B #BMW
2 C #Fiat
3 D #Dodge
问题是,也许福特排在第二位,宝马排在第一位会导致更多的改装。你知道吗
我要做的第一件事是为每个独特的群体生成分类,有大约10个不同的品牌和100种不同的设置方式。你知道吗
例如:
组1可以是:
0 A #Ford
1 B #BMW
2 C #Fiat
3 D #Dodge
组2可以是:
0 B #BMW
1 A #Ford
2 C #Fiat
3 D #Dodge
然后我的数据帧会像这样:
Slug Group Sessions Transactions Ecommerce CTR All
a 1 70 1 1 10 10
b 2 60 2 3 15 11
c 1 60 2 3 15 11
d 3 60 2 3 15 11
e 2 60 2 3 15 11
Groups
按position
和brand
列分类。
Slug
可以理解为一个国家。例如,在a国,实现了第1组70次会议的布局,在b国,实现了第2组60次会议的布局,以此类推。你知道吗
以此类推,然后我可以比较sessions
、transactions
中的组性能度量值和数据帧中的其他列值。你知道吗
像transactions
、session
等参数是针对整个品牌布局的,例如:
0 Ford
1 BMW
2 Fiat
3 Dodge
# this layout achieved 70 sessions and 5 conversions
所以我的问题可以分为三个部分:
1)如何生成position
和brand
2)也许你们中的一些人遇到过类似的助教,知道如何确定brands
的最佳布局
3)我尝试了一些机器学习,也许你可以建议我用哪种模式来解决我的问题
谢谢你的建议。你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐