В следующих разделах смоделированные данные представлены в качестве примера для каждого типа и формата данных.
CSV-файл
Чтобы загрузить смоделированные данные CSV с помощью CsvDataLoader
:
Сопоставьте имена столбцов с типами переменных. Обязательные типы переменных:
time
,geo
,controls
,population
,kpi
,revenue_per_kpi
,media
иmedia_spend
. Определение каждой переменной см. в разделе Сбор и систематизация данных .coord_to_columns = load.CoordToColumns( time='time', geo='geo', controls=['GQV', 'Discount', 'Competitor_Sales'], population='population', kpi='conversions', revenue_per_kpi='revenue_per_conversion', media=[ 'Channel0_impression', 'Channel1_impression', 'Channel2_impression', 'Channel3_impression', 'Channel4_impression', 'Channel5_impression', ], media_spend=[ 'Channel0_spend', 'Channel1_spend', 'Channel2_spend', 'Channel3_spend', 'Channel4_spend', 'Channel5_spend', ], )
Сопоставьте переменные мультимедиа и расходы на рекламу с назначенными названиями каналов, которые вы хотите отобразить в двухстраничном выводе. В следующем примере
Channel0_impression
иChannel0_spend
подключены к одному и тому же каналуChannel0
.correct_media_to_channel = { 'Channel0_impression': 'Channel0', 'Channel1_impression': 'Channel1', 'Channel2_impression': 'Channel2', 'Channel3_impression': 'Channel3', 'Channel4_impression': 'Channel4', 'Channel5_impression': 'Channel5', } correct_media_spend_to_channel = { 'Channel0_spend': 'Channel0', 'Channel1_spend': 'Channel1', 'Channel2_spend': 'Channel2', 'Channel3_spend': 'Channel3', 'Channel4_spend': 'Channel4', 'Channel5_spend': 'Channel5', }
Загрузите данные с помощью
CsvDataLoader
:loader = load.CsvDataLoader( csv_path=f'/{PATH}/{FILENAME}.csv', kpi_type='non_revenue', coord_to_columns=coord_to_columns, media_to_channel=correct_media_to_channel, media_spend_to_channel=correct_media_spend_to_channel, ) data = loader.load()
Где:
-
kpi_type
— это либо'revenue'
, либо'non_revenue'
. -
PATH
— это путь к местоположению файла данных. -
FILENAME
— это имя вашего файла данных.
-
Набор данных Xarray
Чтобы загрузить смоделированный набор данных Xarray с помощью XrDatasetDataLoader
:
Загрузите данные с помощью
pickle
:import pickle with open(f'/{PATH}/{FILENAME}.pkl', 'r') as fh: XrDataset=pickle.load(fh)
Где:
-
PATH
— это путь к местоположению файла данных. -
FILENAME
— это имя вашего файла данных.
-
Передайте набор данных в
XrDatasetDataLoader
. Используйте аргументname_mapping
для сопоставления координат и массивов. Обеспечьте сопоставление, если имена во входном наборе данных отличаются от требуемых имен. Требуемые имена координат —geo
,time
,control_variable
иmedia_channel
. Имена обязательных переменных данных:kpi
,revenue_per_kpi
,controls
,population
,media
иmedia_spend
.loader = load.XrDatasetDataLoader( XrDataset, kpi_type='non_revenue', name_mapping={'channel': 'media_channel', 'control': 'control_variable', 'conversions': 'kpi', 'revenue_per_conversion': 'revenue_per_kpi', 'control_value': 'controls', 'spend': 'media_spend'}, ) data = loader.load()
Где:
-
kpi_type
— это либо'revenue'
, либо'non_revenue'
.
-
Другой формат данных
Чтобы загрузить смоделированный другой формат данных (например, excel
) с помощью DataFrameDataLoader
:
Сопоставьте имена столбцов с типами переменных. Обязательные типы переменных:
time
,geo
,controls
,population
,kpi
,revenue_per_kpi
,media
иmedia_spend
. Определение каждой переменной см. в разделе Сбор и систематизация данных .coord_to_columns = load.CoordToColumns( time='time', geo='geo', controls=['GQV', 'Discount', 'Competitor_Sales'], population='population', kpi='conversions', revenue_per_kpi='revenue_per_conversion', media=[ 'Channel0_impression', 'Channel1_impression', 'Channel2_impression', 'Channel3_impression', 'Channel4_impression', 'Channel5_impression', ], media_spend=[ 'Channel0_spend', 'Channel1_spend', 'Channel2_spend', 'Channel3_spend', 'Channel4_spend', 'Channel5_spend', ], )
Сопоставьте переменные мультимедиа и расходы на рекламу с назначенными названиями каналов, которые вы хотите отобразить в двухстраничном выводе. В следующем примере
Channel0_impression
иChannel0_spend
подключены к одному и тому же каналуChannel0
.correct_media_to_channel = { 'Channel0_impression': 'Channel0', 'Channel1_impression': 'Channel1', 'Channel2_impression': 'Channel2', 'Channel3_impression': 'Channel3', 'Channel4_impression': 'Channel4', 'Channel5_impression': 'Channel5', } correct_media_spend_to_channel = { 'Channel0_spend': 'Channel0', 'Channel1_spend': 'Channel1', 'Channel2_spend': 'Channel2', 'Channel3_spend': 'Channel3', 'Channel4_spend': 'Channel4', 'Channel5_spend': 'Channel5', }
Считайте данные (например,
excel
) вDataFrameDataLoader
, а затем загрузите данные:df = pd.read_excel(f'/{PATH}/{FILENAME}.xlsx') loader = load.DataFrameDataLoader( df=df, kpi_type='non_revenue', coord_to_columns=coord_to_columns, media_to_channel=correct_media_to_channel, media_spend_to_channel=correct_media_spend_to_channel, ) data = loader.load()
Где:
-
kpi_type
— это либо'revenue'
, либо'non_revenue'
. -
PATH
— это путь к местоположению файла данных. -
FILENAME
— это имя вашего файла данных.
-
Далее вы можете создать свою модель .