import pandas as pd

import matplotlib.pyplot as plt

from scipy import stats as st

import numpy as np

import math

 

 

 

 

data1 = pd.read_csv('/datasets/users_go.csv')

display(data1.head(10))

display(data1.info())

display(data1.shape)

display(data1.isna().sum())

 

 

data2 = pd.read_csv('/datasets/rides_go.csv')

display(data2.head(10))

display(data2.info())

display(data2.shape)

display(data2.isna().sum())

 

 

 

data3 = pd.read_csv('/datasets/subscriptions_go.csv')

display(data3.head(10))

display(data3.info())

display(data3.shape)

display(data3.isna().sum())

 

 

 

data2['date'] = pd.to_datetime(data2['date'], format='%Y-%m-%d')

 

 

 

 

data2['month'] = data2['date'].dt.month

 

 

 

 

data1 = data1.drop_duplicates()

data1 = data1.reset_index(drop=True)

 

 

 

data2.duplicated().sum()

 

 

 

 

data3.duplicated().sum()

 

 

 

 

 

data1['city'].value_counts().plot(kind='bar');

plt.title('Количество пользователей в каждом городе');

data1['city'].value_counts()

 

 

 

 

 

data1['subscription_type'].value_counts().plot(kind='pie', autopct='%.1f%%');

plt.title('Количество пользователей по категориям');

print(f'Пользователей без подписки:', '54.3%')

print(f'Пользователей c подпиской:', '45.7%')

 

 

 

 

data1['age'].hist (bins= 100, figsize = (10,5));

plt.title('Количество пользователей по возрасту');

 

 

 

 

 

data2['distance'].hist(bins=100, figsize = (10,5))

plt.title('Расстояние поездок у пользователей');

plt.xlabel('Расстояние, м.');

data2['distance'].describe()

 

 

 

 

 

data2['duration'].hist(bins=100, figsize = (10,5))

plt.title('Продолжительность аренды у пользователей');

plt.xlabel('Время, м.');

data2['duration'].describe()

 

 

 

 

 

data4=data1.merge(data2, on='user_id', how='left')

data4

 

 

 

 

data5 = data4.loc[data4['subscription_type'] == 'ultra']

data6 = data4.loc[data4['subscription_type'] == 'free']

 

 

 

 

 

 

data5['distance'].hist(bins=100, figsize = (10,5))

plt.title('Расстояние поездок у пользователей, оформивших платную подписку');

plt.xlabel('Расстояние, м.');

plt.show()

data5['duration'].hist(bins=100, figsize = (10,5))

plt.title('Продолжительность поездок у пользователей, оформивших платную подписку');

plt.xlabel('Время, м.');

 

 

 

 

 

 

data6['distance'].hist(bins=100, figsize = (10,5))

plt.title('Расстояние поездок у пользователей, не оформлявших платную подписку');

plt.xlabel('Расстояние, м.');

plt.show()

data6['duration'].hist(bins=100, figsize = (10,5))

plt.title('Продолжительность поездок у пользователей, не оформлявших платную подписку');

plt.xlabel('Время, м.');

 

 

 

 

 

i = data6[data6['duration'] < 1.0]

i

 

 

 

 

 

data4 = data4.query('duration > 1.0')

data5 = data4.loc[data4['subscription_type'] == 'ultra']

data6 = data4.loc[data4['subscription_type'] == 'free']

 

 

 

 

 

data6['distance'].hist(bins=100, figsize = (10,5))

plt.title('Расстояние поездок у пользователей, не оформлявших платную подписку');

plt.xlabel('Расстояние, м.');

plt.show()

data6['duration'].hist(bins=100, figsize = (10,5))

plt.title('Продолжительность поездок у пользователей, не оформлявших платную подписку');

plt.xlabel('Время, м.');

 

 

 

 

 

data4_pivot = data4.pivot_table(index=['user_id', 'month'],

                  values=['distance', 'duration', 'name', 'subscription_type'],

                  aggfunc={'distance':'sum', 'duration':'sum', 'name':'count', 'subscription_type': 'min'})

data4_pivot.columns = ['total_distance', 'total_duration', 'trip_count', 'subscription_type']

 

data4_pivot

 

 

 

 

data4_pivot['total_duration'] = round(data4_pivot['total_duration'], 0)

 

 

 

def money(row):

    total_distance = row['total_distance']

    total_duration = row['total_duration']

    trip_count = row['trip_count']

    subscription_type = row['subscription_type']

   

    if subscription_type == 'ultra':

        return total_duration * 6 + 199

    if subscription_type == 'free':

        return total_duration * 8 + trip_count * 50

 

 

 

data4_pivot['money'] = data4_pivot.apply(money, axis=1)

 

 

 

alpha = 0.05

 

results = st.ttest_ind(data5['duration'], data6['duration'], alternative = 'greater')

print('p-значение:', results.pvalue)

if results.pvalue < alpha:

    print('Отвергаем нулевую гипотезу')

else:

    print('Не получилось отвергнуть нулевую гипотезу')

 

print()    

print('Средняя продолжительность аренды у пользователей с подпиской:',

      round(data5['duration'].mean(), 2), 'минут, а у пользователей без подписки',

      round(data6['duration'].mean(), 2), 'минут')

print()

print('В среднем пользователи с подпиской арендуют самокат на',

      round(round(data5['duration'].mean(), 2) - round(data6['duration'].mean(), 2), 2),

      'минут больше, чем пользователи без подписки')

 

 

 

 

optimal_distance = 3130

 

alpha = 0.05

 

results = st.ttest_1samp(

    data5['distance'],

    optimal_distance,

    alternative='less')

 

print('p-значение:', results.pvalue)

 

if (results.pvalue < alpha):

    print('Отвергаем нулевую гипотезу')

else:

    print('Не отвергаем нулевую гипотезу')

   

print()

print('В среднем платные пользователи проезжают', round(data5['distance'].mean(),2), 'метров')

 

 

 

 

 

ultra = data4_pivot.query('subscription_type == "ultra"')

free = data4_pivot.query('subscription_type == "free"')

alpha = 0.05

results = st.ttest_ind(ultra['money'],free['money'], equal_var=False, alternative = 'greater')

print('p-значение:', results.pvalue)

 

if results.pvalue < alpha:

    print('Отвергаем нулевую гипотезу')

else:

    print('Не получилось отвергнуть нулевую гипотезу')

print()

print('В среднем в месяц пользователи с подпиской тратят на аренду самокатов',

      round(ultra['money'].mean(), 2), 'руб',

      ', а пользователи без подписки', round(free['money'].mean(), 2), 'руб')

print()

 

print('В среднем пользователи с подпиской приносят компании на',

      round(round(ultra['money'].mean(), 2) - round(free['money'].mean(),2),2),

      'руб больше, чем пользователи без платной подписки')

 

 

 

 

 

Задача 6.4. Комментарий:</b>

<br> Для решения подобной задачи подойдет проверка гипотезы о равенстве средних для зависимых (парных) выборок, поскольку исходный датафрейм (генеральная совокупность) не изменился количественно (количество пользователей осталось прежним), но изменился качественно (появились данные о количестве обращений до и после обновления).

Решить такую задачу можно методом scipy.stats.ttest_rel()

</div>