加载包含覆盖面和频次的地理位置级数据

以下各部分中提供了模拟数据，作为每种数据类型和格式的示例。

CSV

使用 CsvDataLoader 加载模拟 CSV 数据：

  1. 将列名称映射到变量类型。所需的变量类型为 time、geo、controls、population、kpi 和 revenue_per_kpi。对于没有覆盖面和频次数据的媒体渠道，您必须将其媒体曝光和媒体支出分别分配至 media 和 media_spend 类别。相反，对于拥有覆盖面和频次数据的媒体渠道，您必须将其覆盖面、频次和媒体支出分别映射到 reach、frequency 和 rf_spend 类别。如需了解每个变量的定义，请参阅收集和整理数据。

    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',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
    ],
    reach =['Channel4_reach', 'Channel5_reach'],
    frequency=['Channel4_frequency', 'Channel5_frequency'],
    rf_spend=['Channel4_spend', 'Channel5_spend'],
)

  2. 将媒体曝光、覆盖面、频次和媒体支出映射到要在双页输出中显示的指定渠道名称。下例中的 Channel0_impression 和 Channel0_spend 连接到同一个渠道 Channel0。此外，Channel4_reach、Channel4_frequency 和 Channel4_spend 连接到同一个渠道 Channel4。

    correct_media_to_channel = {
    'Channel0_impression': 'Channel0',
    'Channel1_impression': 'Channel1',
    'Channel2_impression': 'Channel2',
    'Channel3_impression': 'Channel3',
}
correct_media_spend_to_channel = {
    'Channel0_spend': 'Channel0',
    'Channel1_spend': 'Channel1',
    'Channel2_spend': 'Channel2',
    'Channel3_spend': 'Channel3',
}

correct_reach_to_channel = {
    'Channel4_reach': 'Channel4',
    'Channel5_reach': 'Channel5',
}
correct_frequency_to_channel = {
    'Channel4_frequency': 'Channel4',
    'Channel5_frequency': 'Channel5',
}
correct_rf_spend_to_channel = {
    'Channel4_spend': 'Channel4',
    'Channel5_spend': 'Channel5',
}

  3. 使用 CsvDataLoader 加载数据：

    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,
    reach_to_channel=correct_reach_to_channel,
    frequency_to_channel=correct_frequency_to_channel,
    rf_spend_to_channel=correct_rf_spend_to_channel,
)
data = loader.load()

    其中：

    • kpi_type 是 'revenue' 或 'non_revenue'。
    • PATH 表示指向数据文件位置的路径。
    • FILENAME 表示数据文件的名称。

Xarray 数据集

使用 XrDatasetDataLoader 加载模拟 Xarray 数据集：

  1. 使用 pickle 加载数据：

    import pickle
with open(f'/{PATH}/{FILENAME}.pkl', 'r') as fh:
  XrDataset=pickle.load(fh)

    其中：

    • PATH 表示指向数据文件位置的路径。
    • FILENAME 表示数据文件的名称。

  2. 将数据集传递给 XrDatasetDataLoader。使用 name_mapping 实参映射坐标和数组。如果输入数据集内的名称与所需名称不同，请提供映射。所需的坐标名称为 geo、time、control_variable、media_channel 和 rf_channel，其中 rf_channel 用于指定拥有覆盖面和频次数据的渠道。所需的数据变量名称为 kpi、revenue_per_kpi、controls、population、media、media_spend、reach、frequency 和 rf_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',
        'reach': 'reach',
        'frequency': 'frequency',
        'rf_spend': 'rf_spend',
    },
)

data = loader.load()

    其中：

    • kpi_type 是 'revenue' 或 'non_revenue'。

其他数据格式

使用 DataFrameDataLoader 加载模拟的其他数据格式（例如 excel）：

  1. 将列名称映射到变量类型。所需的变量类型为 time、geo、controls、population、kpi 和 revenue_per_kpi。对于没有覆盖面和频次数据的媒体渠道，您必须将其媒体曝光和媒体支出分别分配至 media 和 media_spend 类别。相反，对于拥有覆盖面和频次数据的媒体渠道，您必须将其覆盖面、频次和媒体支出分别映射到 reach、frequency 和 rf_spend 类别。如需了解每个变量的定义，请参阅收集和整理数据。

    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',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
    ],
    reach =['Channel4_reach', 'Channel5_reach'],
    frequency=['Channel4_frequency', 'Channel5_frequency'],
    rf_spend=['Channel4_spend', 'Channel5_spend'],
)

  2. 将媒体曝光、覆盖面、频次和媒体支出映射到要在双页输出中显示的指定渠道名称。下例中的 Channel0_impression 和 Channel0_spend 连接到同一个渠道 Channel0。此外，Channel4_reach、Channel4_frequency 和 Channel4_spend 连接到同一个渠道 Channel4。

    correct_media_to_channel = {
    'Channel0_impression': 'Channel0',
    'Channel1_impression': 'Channel1',
    'Channel2_impression': 'Channel2',
    'Channel3_impression': 'Channel3',
}
correct_media_spend_to_channel = {
    'Channel0_spend': 'Channel0',
    'Channel1_spend': 'Channel1',
    'Channel2_spend': 'Channel2',
    'Channel3_spend': 'Channel3',
}

correct_reach_to_channel = {
    'Channel4_reach': 'Channel4',
    'Channel5_reach': 'Channel5',
}
correct_frequency_to_channel = {
    'Channel4_frequency': 'Channel4',
    'Channel5_frequency': 'Channel5',
}
correct_rf_spend_to_channel = {
    'Channel4_spend': 'Channel4',
    'Channel5_spend': 'Channel5',
}

  3. 将数据（例如 excel）读入 DataFrameDataLoader，然后加载数据：

    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,
    reach_to_channel=correct_reach_to_channel,
    frequency_to_channel=correct_frequency_to_channel,
    rf_spend_to_channel=correct_rf_spend_to_channel,
)
data = loader.load()

    其中：

    • kpi_type 是 'revenue' 或 'non_revenue'。
    • PATH 表示指向数据文件位置的路径。
    • FILENAME 表示数据文件的名称。

接下来，您可以创建模型。

上一页
加载不包含覆盖面和频次的地理位置级数据
下一页
加载包含自然媒体和非媒体处理变量的地理位置级数据