数据分析_滴滴AB test面试题及城市运营分析

最新推荐文章于 2025-03-11 16:54:45 发布

林_胖

最新推荐文章于 2025-03-11 16:54:45 发布

阅读量5.2k

点赞数 15

分类专栏：数据分析文章标签：数据分析 python abtest ab测试面试

本文链接：https://blog.csdn.net/Lin_Xiao_Dai/article/details/108293112

版权

本文通过分析滴滴AB测试数据，发现每日GMV存在显著性差异，实验组GMV和ROI均低于控制组。城市运营情况显示，周末请求量远高于周内，12点订单最多但接单率下降，实际等待时长超过预计。建议优化运营策略，提高运力，优化时间预估和订单分配算法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

滴滴AB test面试题及运营情况分析

从和鲸上看到了一个滴滴数据集，看介绍说的是数据来自滴滴出行内部，也有小道消息说是面试题？那我们来试一下。

数据字典

上图为两个数据集的数据字典，可以看出来维度比较少，进行AB test的test数据集是58行，运营情况分析的city数据集是90行。两者皆无空值。

AB test分析

数据清洗及特征工程

数据量虽少，但好在没有缺失值。先将数据拆分为参照组和实验组，这边我用group_A代替参照组，group_B代替实验组。

group_A = test.query("group == 'control'")
group_B = test.query("group == 'experiment'")

简单的看一下group_A几个维度随着日期变化的趋势。

这么看起来，好像有点牛逼？每天的指标都是上升的，或者说数据集里面储存的是累计数据？我们将他清洗一下成为每日数据。

for col in ['trips','requests','canceled requests','gmv']:
    group_A[f"c_{col}"]=group_A[col].diff().fillna(group_A[col].min())
# 计算每天的每单优惠券金额
group_A['coupon_consum'] = (group_A[

最低0.47元/天解锁文章