import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# サンプルデータの読み込み
import pandas as pd
file_path = "marketing_campaign_dataset.csv"
df = pd.read_csv(file_path)

# データのプレビュー
df.head(3)

# データの加工を行う
df["Campaign_ID"] = df["Campaign_ID"].astype(str)
df["Acquisition_Cost"] = df["Acquisition_Cost"].replace("[\$,]", "", regex=True).astype(float)
df["Duration"] = df["Duration"].str.replace(" days","").astype(float)

# 新しい指標カラムを作成する
df["CTR"] = df["Clicks"] / df["Impressions"]
df["CPA"] = df["Acquisition_Cost"] / df["Clicks"]

# 統計量を算出する
df.describe()

# 数値型のカラムのみ抽出
numeric_cols = df.select_dtypes(include='number').columns

# カラムごとに個別プロット
for col in numeric_cols:
    plt.figure(figsize=(8, 4))
    sns.histplot(df[col], bins=30, kde=True)
    plt.title(f"Histogram of {col}")
    plt.xlabel(col)
    plt.ylabel("Frequency")
    plt.tight_layout()
    plt.show()

# チャネルごとの平均CVR・ROI・Acquisition_Costを集計
channel_stats = df.groupby("Channel_Used")[["Conversion_Rate", "ROI", "Acquisition_Cost"]].mean().reset_index()

# 可視化（棒グラフ）
plt.figure(figsize=(12, 5))
sns.barplot(data=channel_stats, x="Channel_Used", y="Conversion_Rate")
plt.title("Chanel AVG Conversion Rate")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# ROIの分布をキャンペーンタイプごとに比較
plt.figure(figsize=(10, 6))
sns.boxplot(data=df, x="Campaign_Type", y="ROI")
plt.title("Campaign_Type ROI distribution")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# ピボットテーブルで平均CVRを可視化
pivot = df.pivot_table(values="Conversion_Rate", 
                       index="Target_Audience", 
                       columns="Customer_Segment", 
                       aggfunc="mean")

# ヒートマップで表示
plt.figure(figsize=(12, 6))
sns.heatmap(pivot, annot=True, fmt=".2f", cmap="Blues")
plt.title("Target ×Segment Conversion Rate")
plt.tight_layout()
plt.show()

# 散布図でCTRとCVRの相関を視覚化（CPAでサイズ分け）
plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x="CTR", y="Conversion_Rate", size="CPA", hue="Channel_Used", sizes=(20, 200), alpha=0.7)
plt.title("CTR vs Conversion Rate(dots=CPA)")
plt.tight_layout()
plt.show()

タグ ：

#Python

#プログラミング

#マーケティング

#マーケター

#初学者

### 文字列のインデックス代入

a = "12345"
a[3] = "a"
print(a)

### 文字列のスライス操作

a = "abcdefghi"
print(a[::-3])

### 文字列の展開とセパレーター

a = "abcde"
print(*a , sep=' a ')

### 小数点型の定義

a = .1_2_3
print(a)

### タプル型の引き算

a = (9 , 8)
b = (1 , 2)
print(a - b)

### タプル型の代入

a = 123 , 
print(a)

### リスト型の代入と参照

a = [1,2,3]
b = a
b[0] = 99
print(a)

### リストのコピー

import copy

a = [[9, 2], [5, 8]]
b = copy.copy(a)
b[0][1] = 12345
print(a)

### 辞書型への代入

a = {}
a.add(1)
print(a)

### getメソッド

a = {1:2 , 3:4}
print(a.get(9))

### None or 0

if None or 0:
    print(1)

### FOR文後の変数参照

i = 10
for i in range(5):
    pass

print(i)

### スコープ外の変数操作

a = 3

def sample_def():
    global a
    a += 5
    return a

print(sample_def())

### try - finally - return

def sample_def():
    try:
        a = "おっぱい"
        print(a)
        return a
    except:
        print(a * 2)
    finally:
        print(a * 3)
    
print(sample_def())

タグ ：

#Python

#プログラミング

#初学者

#ハマりポイント

タグ ：

#転職

#エンジニア

#未経験

#初学者

#ロードマップ