对数据进行分组并对各组应用一个函数，是数据分析的重要环节。数据准备好之后，通常的任务就是计算分组统计或生成透视表。groupby函数能高效处理数据，对数据进行切片、切块、摘要等操作。可以看出这跟SQL关系密切，但是可用的函数有很多。在本章中，可以学到：
根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象
计算分组摘要统计，如计数、平均值、
转载
2024-08-23 13:19:59
76阅读
所以用每天的RPM绝对值不行，必须采样到每个用户的RPM。实验组的涨幅 被 天和天之间 的波动幅度盖过。可以直接传入T检验的接口计算。T检验是算两个分布的差异。
原创
2023-10-30 10:56:37
118阅读
总结： 看一个公司或者团队是不是真正做到了数据驱动，就要看它的决策流程中有没有 A/B 测试这一环节。为什么用AB测试？A/B 测试，就是保证关键环节不出现问题的最佳方案。因为它不仅可以让我们清楚地知道产品 / 迭代方案到底有没有效果，能产生多大效果，还可以在结果不如预期时，快刀斩乱麻，有理有据地放弃这个想法。这样既能大大节省公司的成本，又能加快想法迭代的速度。如果在花费了大量时间和资源实施想法后
AB实验原理与实践1、AB实验介绍1.1、什么是AB？1.2、AB实验有什么用？2、AB实验过程与原理2.1、AB实验前需要明确的几点（1）明确实验要素与目标；（2）明确核心指标（3）提出假设2.2、AB实验流程（1）明确目标（最小预计提升MDE）（2）基于MDE预估样本量（3）基于预估样本量预估实验时长（4）AA实验对比2.3、根据实验结果进行决策（1）AA&AB实验结果计算方法（2）
转载
2024-08-24 13:42:58
116阅读
界面用什么颜色？算法怎么调参？ab实验就是用来科学的衡量不同方案的效果的，用数据说话\
原创
2022-11-11 12:24:28
74阅读
本文作者康伟华（点融黑帮），现任点融BI总监，曾就职于1号店、携程、eBay等互联网公司从事数据和开发工作，关注数据科学和系统架构。2000年Google的工程师第一次将AB测试用于测试搜索结果页展示多少搜索结果更合适，虽然那次的AB测试因为搜索结果加载速度的问题失败了，但是这次的AB测试可以认为是Google的第一次AB测试。从那以后AB测试被广泛应用于互联网公司的优化迭代, 每年数万个AB实验
互联网公司的业务发展过程中，当业务发展到一定阶段后，野蛮生长的红利逐渐消退，用户增长空间在可见策略下变得不那么明显的情况下，如何合理地规划产品迭代策略就显得尤为重要了，而具体如何判断产品策略是否有效，往往就需要数据进行判断，其结果决定了该产品或策略的生命力以及与之配套的各类资源的调配，毕竟大部分公司是不会愿意将资源浪费在无效的产品和策略上的。那么，通过什么样的工具或手段才能确保数据驱动策略的有
桔妹导读：在各大互联网公司都提倡数据驱动的今天，AB实验是我们进行决策分析的一个重要利器。一次实验过程会包含多个环节，今天主要给大家分享滴滴实验平台在分组环节推出的一种提升分组均匀性的新方法。本文首先会介绍一下滴滴AB实验的相关情况，以及在实验分组环节中遇到的问题。然后介绍目前在实验对象分组方面的通 ...
转载
2021-05-14 21:34:52
376阅读
2评论
AB测试来判定一个产品修改的效果。比如一个按钮是用红色好还是用蓝色好，那么就各向1%的用户发布两种颜色产品，哪个下载得好就推哪个。如果用在新闻上，就是同一条新闻由编辑给两种标题，测试哪个标题点击好。双盲检验，是先让算法判断一个新闻的分类和推荐对象，然后让两个编辑分别检验，如果结果一样，就通过，不一样就请第三人判断并汇报程序员，重新调整算法。
转载
精选
2016-10-22 21:26:19
793阅读
1.前言Hi大家好，因为工作的原因最近更新有些慢，在此借这篇文章也给大家梳理一下后续的一些更新规划，整体来说主要规划了以下三个方向：工具侧：主要是Python、SQL的一些技巧，在工作中有时候会感觉自己对这方面的使用还是有一些粗糙，效率还不够高，最近也在进行一些自我复盘，所以说这里的话会结合我在工作中遇到的一些问题去给大家分享一些技巧。知识侧：主要是统计学、机器学习相关分析侧：A/B Test、一
转载
2023-12-20 05:44:32
53阅读
# Python分组正态性检验
在数据分析中，正态性检验是一项非常重要的工作，它可以帮助我们判断数据是否符合正态分布。而在实际应用中，有时候我们不仅仅需要检验整体数据的正态性，还需要对数据进行分组，进行组内正态性检验。本文将介绍如何使用Python进行分组正态性检验。
## 分组正态性检验方法
在进行分组正态性检验时，我们通常会使用Shapiro-Wilk检验或者Kolmogorov-Smi
原创
2024-06-19 03:30:22
115阅读
目录生存分析基本概念生存率估计1. 乘积极限法2. 寿命表法3. 生存曲线生存曲线比较COX比例风险回归模型1. 建立COX回归模型2. 比例风险假定的检验3. 生存预测生存分析基本概念logistic回归中因变量是终点事件发生与否，而生存分析则关注的是终点事件所经历的时间。生存资料的特点：1.随访资料，包括两个方面时间和结局；2.时间—事件变量；3.有不完全数据； 生存分析：就是用来研究“生存”
谷歌A/B实验——重叠实验基础设施解读〇、来源一、背景介绍二、如何划分参数三、谷歌设计的ab实验系统3.1 域和层的设计3.1.1 基础重叠域和层设计3.1.2 具备非重叠和重叠的域和层设计3.1.2 具备非重叠的域的嵌套设计优点3.1.3 具备非重叠的域的嵌套设计缺点3.1.4 启动层（launch layers）设计四、引用 〇、来源谷歌ab实验论文Overlapping Experimen
单层抽样各分为50%的用户，分为用户组A和用户组B，并且两个群体之间差异
原创
2022-07-11 10:56:33
143阅读
导读：走向身边的AB实验。 “AB实验”是一个从统计学中借来的工具。我和大家一样，每次只要看到“统计学”这三个
概述、AARRR、AB实验、核心步骤、应用场景、分流策略、统计学基础（中心极限定理，正态分布，z检验、H0、H
原创
2024-06-26 16:07:36
147阅读
1. AB test简介AB测试是为Web或App界面或流程制作两个（A/B）或多个（A/B/n）版本，在同一时间维度，分别让组成成分相同（相似）的访客群组（目标人群）随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析、评估出最好版本，正式采用。方法通俗讲就是控制变量，然后通过统计学中的假设检验来分析来自两个或多个组样本均值的差异性，从而判断它们各自代表的总体的差异是否显著。2. 案
转载
2024-04-21 19:05:32
79阅读
说了那么多假设检验的理论，现在来让我们上手操作一下。 这里我自己编造了一个A/B测试的例子：某公司原来的购买转化率是30%，现在想通过把其网页上的”购买“按钮加大一倍，使购买转化率提升到33%。 可以看到这里的对比指标是转化率，因此这里适用两独立样本比率检验。 原假设：对照组的购买转化率与试验组的购买转化率无显著差异备择假设：对照组的购买转化率与试验组的购买转化率有显
转载
2024-01-29 15:10:10
170阅读
科普文章：AB实验和Java实验卡方校验
# 引言
在软件开发领域，AB测试是一项常用的实验设计方法，用于比较两个或多个版本的软件或功能的效果。而在进行AB测试时，Java实验卡方校验是一种常用的统计方法，用于确定两个版本之间是否存在显著差异。本文将介绍AB实验的概念、AB测试的流程以及Java实验卡方校验的原理和实现。
# AB实验
## 什么是AB实验？
AB实验（A/B testing）
原创
2023-09-13 09:56:17
144阅读
Java 8 对数据处理可谓十分流畅，既不改变数据，又能对数据进行很好的处理，今天给大家演示下，用Java 8 的 Stream 如何对数据进行分组统计，排序，求和等这些方法属于Java 8的汇总统计类：getAverage(): 它返回所有接受值的平均值。getCount(): 它计算所有元素的总数。getMax(): 它返回最大值。getMin(): 它返回最小值。getSum(): 它返回所
转载
2024-06-04 17:57:27
23阅读
