import pandas as pd

from datetime import datetime, timedelta

 

visits = pd.read_csv('ch02_problems03_visits.csv')  # журнал сессий

purchases = pd.read_csv('ch02_problems02_orders.csv')  # покупки

ad_costs = pd.read_csv('ch02_problems02_costs.csv')  # траты на рекламу

 

# преобразование данных о времени

visits['session_start'] = pd.to_datetime(visits['session_start'])

purchases['event_dt'] = pd.to_datetime(purchases['event_dt'])

 

min_date = datetime(2020, 7, 11).date()  # добавьте самую раннюю дату в отчёте в формате datetime

max_date = datetime(2020, 8, 10).date()

 

# находим количество дней в отчёте

days_num = (max_date - min_date).days

 

# создаём пустую таблицу для рекламных трат

daily_costs = []

 

# перебираем данные о затратах по источникам

for index, values in ad_costs.iterrows():

 

    channel_name = values['channel']  # определите канал привлечения

    channel_costs = values['costs'] # и общие рекламные траты на него

    avg_channel_costs = channel_costs / days_num # рассчитайте средние траты за день

 

    # заполняем таблицу рекламных трат

    for i in range(days_num):

        current_day = min_date + timedelta(i) # рассчитайте текущую дату

        # добавляем строку в таблицу трат

        daily_costs += [[current_day, channel_name, avg_channel_costs]]

 

 # превращаем таблицу рекламных трат в датафрейм

daily_costs = pd.DataFrame(daily_costs, columns=['dt', 'channel', 'costs'])

# преобразуем данные о времени

daily_costs['dt'] = daily_costs['dt'].dt.date

 

print(daily_costs.head(5))