加载不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、revenue_per_kpi、media 和 media_spend。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',
        'Channel4_impression',
        'Channel5_impression',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
        'Channel4_spend',
        'Channel5_spend',
    ],
)

  2. 将媒体变量和媒体支出映射到您希望在两页输出中显示的指定渠道名称。在以下示例中，Channel0_impression 和 Channel0_spend 连接到同一个渠道 Channel0。

    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',
}

  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,
)
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 和 media_channel。所需的数据变量名称为 kpi、revenue_per_kpi、controls、population、media 和 media_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()

    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、revenue_per_kpi、media 和 media_spend。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',
        'Channel4_impression',
        'Channel5_impression',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
        'Channel4_spend',
        'Channel5_spend',
    ],
)

  2. 将媒体变量和媒体支出映射到您希望在两页输出中显示的指定渠道名称。在以下示例中，Channel0_impression 和 Channel0_spend 连接到同一个渠道 Channel0。

    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',
}

  3. 将数据（例如 excel）读取到 DataFrameDataLoader 中，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,
)
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
支持的数据类型和格式
下一页
加载包含覆盖面和频次的地理位置级数据