Аналитика данных

Работаешь на удалённом рабочем столе под Windows. Подключаешься такой к БД с помощью секретов из .env-файл. Но получаешь странные ошибки вроде Authentication failed или Connection refused, хотя логин и пароль точно верные. Скорее всего, проблема не в базе данных и не в сети. Проблема — в том, как именно Python читает .env-файл на корпоративном сервере. Разберём три неочевидных приёма, которые заставят код работать. Все три приёма я собрал из собственного опыта работы с корпоративными серверами Windows, где каждая мелочь может стать причиной часов отладки...

Найти сайты (основные домены), которые генерируют трафик приводящий лиды с учётом количества лидов, количества сессий, продолжительность лидогенерации (чтобы отсечь разовые всплески), показатель конверсий. Из Я.Метрики выкачены данные в CSV-файлы по сессиям (визитам), достижениям цели со сторонних сайтов "Referrer". Колонки датафрейма: Открываем Jupyter Notebook, пишем код... # Рекомендуется установить pip install tldextract --quiet import glob import locale import numpy as np import os import pandas as pd import re # Отключаем предупреждения в консоль import warnings warnings...

Семплирование (sampling) — это статистический метод, при котором отчёт строится не по всем данным, а по выборке из этих данных. Например: У вас 1 000 000 визитов за квартал. Метрика берёт 100 000 визитов (10%), считает показатели и умножает результат на 10. Есть нюанс: при семплировании отчёт становится приближённым. Для A/B-тестов, финотчётности или анализа редких событий это может быть критично. API Яндекс.Метрики позволяет явно задавать уровень выборки через параметр accuracy. Также при упрощении запросов уровень семплирования снижается...

Если на сайте есть какой-либо файл, например анкета в формате PDF для заполнения, и требуется узнать как часто скачивают этот файл, то можно воспользоваться отчётом в кабинете Яндекс.Метрики, который называется «Загрузки файлов». Но этот отчёт может не отобразить все данные из-за семплирования, особенно, если таких скачивания мало. Тогда вооружаемся ноутбуком Jupyter, API Яндекса и пишем Python-код. import locale # Для корректного отображения русских символов в консоли import os # Работа с файловой системой import pandas as pd # Библиотека для работы с таблицами import plotly...