【实战】支付宝营销策略——ABtest

数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=50893

由于隐私问题，数据脱敏。

三个数据集：

• effect_tb.csv: 广告点击情况数据集
• emb_tb_2.csv: 用户特征数据集
• seed_cand_tb.csv: 用户类型数据集

使用字段：

• dmp_id：营销策略编号（设置1为对照组，2为营销策略一，3为营销策略二）
• user_id：支付宝用户ID
• label：用户当天是否点击活动广告（0：未点击，1：点击）

 一、数据预处理

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

from IPython.core.interactiveshell import InteractiveShell   #多行输出
InteractiveShell.ast_node_interactivity = "all" 

 （一）查看缺失值、重复值

data=pd.read_csv("C:/Users/ZJDCUser/Desktop/比赛实战/支付宝营销策略分析/effect_tb.csv",header=None)
data.columns=['dt','user_id','label','dmp_id']  #文件中没有字段名
#日志天数属性用不上，删除该列
data=data.drop(columns='dt')
data
data.info()   #三列均不存在缺失值

 

	user_id	label	dmp_id
0	1	0	1
1	1000004	0	1
2	1000004	0	2
3	1000006	0	1
4	1000006	0	3
...	...	...	...
2645953	999966	0	1
2645954	999971	0	1
2645955	99999	0	2
2645956	999990	0	1
2645957	999992	1	1

2645958 rows × 3 columns

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2645958 entries, 0 to 2645957