Загрузка данных на географическом уровне без охвата и частоты

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 и media_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 и Channel0_spend подключены к одному и тому же каналу 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',
}

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 аргумент name_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 и media_channel . Имена обязательных переменных данных: kpi , revenue_per_kpi , controls , population , media и 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()
```
Где:
- kpi_type — это либо 'revenue' , либо 'non_revenue' .

Другой формат данных

Чтобы загрузить смоделированный другой формат данных (например, excel ) с помощью DataFrameDataLoader :

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',
    ],
)

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 ) в DataFrameDataLoader , 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 .

Поддерживаемые типы и форматы данных

Загрузка данных на географическом уровне с указанием охвата и частоты показов.