用于计算和可视化的置信区间的软件包，例如用于A/B测试分析。
项目描述
Spotify Confidence
用于AB测试分析的Python库。
为什么使用Spotify Confidence？
Spotify Confidence提供对statsmodel中各种函数的便捷包装，用于计算p值和置信区间。使用Spotify Confidence，可以轻松一次性计算多个p值和置信界限，例如每个国家或每个日期的。每个函数都有两种版本
- 一个返回pandas数据框的版本，
- 一个返回Chartify图表的版本。
Spotify Confidence 支持使用 Z 统计量、学生 t 统计量（或更确切地说，[Welch 的 t 检验](https://en.wikipedia.org/wiki/Welch%27s_t-test)）以及卡方统计量来计算 p 值和置信区间。它还支持一种基于使用前暴露数据来拟合线性模型的方差减少技术。
在 BetaBinomial 类中还有贝叶斯替代方案。
基本示例
import spotify_confidence as confidence
import pandas as pd
data = pd.DataFrame(
{'variation_name': ['treatment1', 'control', 'treatment2', 'treatment3'],
'success': [50, 40, 10, 20],
'total': [100, 100, 50, 60]
}
)
test = confidence.ZTest(
data,
numerator_column='success',
numerator_sum_squares_column=None,
denominator_column='total',
categorical_group_columns='variation_name',
correction_method='bonferroni')
test.summary()
test.difference(level_1='control', level_2='treatment1')
test.multiple_difference(level='control', level_as_reference=True)
test.summary_plot().show()
test.difference_plot(level_1='control', level_2='treatment1').show()
test.multiple_difference_plot(level='control', level_as_reference=True).show()
您还可以做更多的事情
- 按一个或多个维度分段结果
- 使用非劣效性边界
- 分组顺序检验
- 样本量和功效计算
- 等
有关更完整的示例，请参阅 examples 文件夹中的 jupyter 笔记本。
安装
Spotify Confidence 可以通过 pip 安装
pip安装spotify-confidence
行为准则
本项目遵守[开源行为准则](https://github.com/spotify/code-of-conduct/blob/master/code-of-conduct.md)。通过参与，您将期望遵守此准则。
下载文件
下载您平台上的文件。如果您不确定选择哪个，请了解更多关于[安装包](https://packaging.pythonlang.cn/tutorials/installing-packages/)的信息。
源分发
spotify-confidence-3.0.4.tar.gz (93.6 kB 查看散列)
