過去に、Googleアナリティクスで読了率を知りたい-Googleタグマネージャでスクロール測定する方法 | CroJa（クロジャ） - Web施策に役立つ情報配信サイト の設定を行い、Google Analytics でページの読了率が取得できるようにしました。
データはそれなりの期間溜まってきたのですが、特に分析、活用をしたことがなかったので、Pandas で Google Analytics から読了率を取得し、分析してみました。 実施したことをします。
前提
OS、PythonのVersion必要なライブラリの情報を記載します。
- OS
!sw_vers
ProductName: Mac OS X
ProductVersion: 10.14.6
BuildVersion: 18G87
- Python の Version
!python -V
Python 3.7.2
必要なライブラリのインストール
!pip install --upgrade pip
!pip install pandas
!pip install google2pandas
!pip install oauth2client
Requirement already up-to-date: pip in jupyter/.env_jupyter/lib/python3.7/site-packages (19.2.3)
Requirement already satisfied: pandas in jupyter/.env_jupyter/lib/python3.7/site-packages (0.24.1)
Requirement already satisfied: pytz>=2011k in jupyter/.env_jupyter/lib/python3.7/site-packages (from pandas) (2018.9)
Requirement already satisfied: numpy>=1.12.0 in jupyter/.env_jupyter/lib/python3.7/site-packages (from pandas) (1.16.1)
Requirement already satisfied: python-dateutil>=2.5.0 in jupyter/.env_jupyter/lib/python3.7/site-packages (from pandas) (2.7.5)
Requirement already satisfied: six>=1.5 in jupyter/.env_jupyter/lib/python3.7/site-packages (from python-dateutil>=2.5.0->pandas) (1.12.0)
Requirement already satisfied: google2pandas in jupyter/.env_jupyter/lib/python3.7/site-packages (0.1.1)
Requirement already satisfied: pandas>=0.15 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google2pandas) (0.24.1)
Requirement already satisfied: numpy>=1.7 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google2pandas) (1.16.1)
Requirement already satisfied: httplib2 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google2pandas) (0.12.1)
Requirement already satisfied: google-api-python-client in jupyter/.env_jupyter/lib/python3.7/site-packages (from google2pandas) (1.7.8)
Requirement already satisfied: pytz>=2011k in jupyter/.env_jupyter/lib/python3.7/site-packages (from pandas>=0.15->google2pandas) (2018.9)
Requirement already satisfied: python-dateutil>=2.5.0 in jupyter/.env_jupyter/lib/python3.7/site-packages (from pandas>=0.15->google2pandas) (2.7.5)
Requirement already satisfied: google-auth>=1.4.1 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-api-python-client->google2pandas) (1.6.2)
Requirement already satisfied: uritemplate<4dev,>=3.0.0 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-api-python-client->google2pandas) (3.0.0)
Requirement already satisfied: six<2dev,>=1.6.1 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-api-python-client->google2pandas) (1.12.0)
Requirement already satisfied: google-auth-httplib2>=0.0.3 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-api-python-client->google2pandas) (0.0.3)
Requirement already satisfied: rsa>=3.1.4 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-auth>=1.4.1->google-api-python-client->google2pandas) (4.0)
Requirement already satisfied: cachetools>=2.0.0 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-auth>=1.4.1->google-api-python-client->google2pandas) (3.1.0)
Requirement already satisfied: pyasn1-modules>=0.2.1 in jupyter/.env_jupyter/lib/python3.7/site-packages (from google-auth>=1.4.1->google-api-python-client->google2pandas) (0.2.4)
Requirement already satisfied: pyasn1>=0.1.3 in jupyter/.env_jupyter/lib/python3.7/site-packages (from rsa>=3.1.4->google-auth>=1.4.1->google-api-python-client->google2pandas) (0.4.5)
Requirement already satisfied: oauth2client in jupyter/.env_jupyter/lib/python3.7/site-packages (4.1.3)
Requirement already satisfied: pyasn1-modules>=0.0.5 in jupyter/.env_jupyter/lib/python3.7/site-packages (from oauth2client) (0.2.4)
Requirement already satisfied: six>=1.6.1 in jupyter/.env_jupyter/lib/python3.7/site-packages (from oauth2client) (1.12.0)
Requirement already satisfied: pyasn1>=0.1.7 in jupyter/.env_jupyter/lib/python3.7/site-packages (from oauth2client) (0.4.5)
Requirement already satisfied: rsa>=3.1.4 in jupyter/.env_jupyter/lib/python3.7/site-packages (from oauth2client) (4.0)
Requirement already satisfied: httplib2>=0.9.1 in jupyter/.env_jupyter/lib/python3.7/site-packages (from oauth2client) (0.12.1)
Google2Pandas の使い方
Google Analytics のデータ取得には、google2pandas というライブラリを使用しています。
使用する際は、Google Analytics サービスアカウントのキーの発行も必要になります。
以下の記事にまとめていますのでよろしければご確認ください。
Google2Pandas で、Google Analytics のデータを pandas Dataframe に変換する | Monotalk
１ヶ月分のスクロールイベントを取得し、100%読了がどれくらい発生するのか計算する
以下、１ヶ月分のスクロールイベントを取得し、読了率を計算します。
-
データの取得方法
pandasの プラグインのgoogle2pandasを使います。
過去にgoogle2pandasの使い方について、Google2Pandas で、Google Analytics のデータを pandas Dataframe に変換する | Monotalk にまとめました。よろしければこちらもご確認ください。 -
スクロールイベントの値
スクロールイベントは、Google Analytics 上で以下のように記録しています。- イベントカテゴリの値
Scroll - イベント ラベルの値
スクロールした割合 をxx%で記録します。 - イベントアクションの値
スクロールイベントが発生したページパスの値 - イベント値
未設定です。
- イベントカテゴリの値
-
Google Anlaytics のデータを取得
１ヶ月分のスクロールイベントのデータを取得します。
from google2pandas import *
view_id = '103185238'
query = {
'reportRequests': [{
'viewId' : view_id,
'dateRanges': [{
'startDate' : '30daysAgo',
'endDate' : 'today'}],
'dimensions' : [
{'name' : 'ga:eventCategory'},
{'name' : 'ga:eventLabel'},
],
'metrics' : [
{'expression' : 'ga:totalEvents'}
],
'dimensionFilterClauses' : [{
'filters' : [
{'dimensionName' : 'ga:eventCategory',
'expressions' : ['Scroll']}
]
}]
}]
}
conn = GoogleAnalyticsQueryV4(secrets='./ga_client.json')
df = conn.execute_query(query)
# 出力
df['totalEvents'] = df['totalEvents'].astype(int)
ga_events = df.sort_values(['eventLabel'], ascending=True)
ga_events
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| eventCategory | eventLabel | totalEvents | |
|---|---|---|---|
| 0 | Scroll | 0% | 4 |
| 1 | Scroll | 100% | 828 |
| 2 | Scroll | 20% | 17867 |
| 3 | Scroll | 40% | 14669 |
| 4 | Scroll | 60% | 9897 |
| 5 | Scroll | 80% | 3966 |
eventLabel に、% が含まれているため、数値として認識されていません。
これを数値に変換します。
# 1.ga_events['eventLabel'].str.split('%', expand=True) で %で区切った結果を、データフレームに変換
# 2.[0]で1列目のカラムを取得し、astype(int) で数値に変換する
ga_events['eventLabel'] = ga_events['eventLabel'].str.split('%', expand=True)[0].astype(int)
ga_events = ga_events.sort_values(['eventLabel'], ascending=True)
ga_events
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| eventCategory | eventLabel | totalEvents | |
|---|---|---|---|
| 0 | Scroll | 0 | 4 |
| 2 | Scroll | 20 | 17867 |
| 3 | Scroll | 40 | 14669 |
| 4 | Scroll | 60 | 9897 |
| 5 | Scroll | 80 | 3966 |
| 1 | Scroll | 100 | 828 |
現在の測り方だとスクロール率は、重複してカウントしており、100% 読了したユーザーは、80%読了したユーザーにも含まれます。
ユーザーの重複を排除するため、diff を使います。
# 1行前のカラムとの差を計算 100%の値は保持
ga_events['totalEvents'] = ga_events['totalEvents'].diff(-1).fillna(ga_events['totalEvents'].tail())
ga_events = ga_events.query('totalEvents > 0')
- 割合を計算
totalEvents の割合を計算します。
ga_events['perc']= ga_events['totalEvents']/ga_events['totalEvents'].sum() * 100
ga_events
jupyter/.env_jupyter/lib/python3.7/site-packages/ipykernel_launcher.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
"""Entry point for launching an IPython kernel.
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| eventCategory | eventLabel | totalEvents | perc | |
|---|---|---|---|---|
| 2 | Scroll | 20 | 3198.0 | 17.898920 |
| 3 | Scroll | 40 | 4772.0 | 26.708457 |
| 4 | Scroll | 60 | 5931.0 | 33.195276 |
| 5 | Scroll | 80 | 3138.0 | 17.563105 |
| 1 | Scroll | 100 | 828.0 | 4.634242 |
100% までスクロールしてくれるのは、全体の5%以下、80% まで行くのは、20%程度ですね。
一通り計算して、ページビュー数との割合を計算しないといけないことに気づく。
読了率20%以下でページを離れた人の数を上記だと考慮していませんでした。
ページのページビュー数を取得しないと、正確な数字にはならなそうです。
from google2pandas import *
view_id = '103185238'
query = {
'reportRequests': [{
'viewId' : view_id,
'dateRanges': [{
'startDate' : '30daysAgo',
'endDate' : 'today'}],
'dimensions' : [
{'name' : 'ga:pagePath'}
],
'metrics' : [
{'expression' : 'ga:pageviews'}
],
}]
}
conn = GoogleAnalyticsQueryV4(secrets='./ga_client.json')
df = conn.execute_query(query)
df['pageviews'] = df['pageviews'].astype(int)
pageview = df['pageviews'].sum()
query = {
'reportRequests': [{
'viewId' : view_id,
'dateRanges': [{
'startDate' : '30daysAgo',
'endDate' : 'today'}],
'dimensions' : [
{'name' : 'ga:eventCategory'},
{'name' : 'ga:eventLabel'},
],
'metrics' : [
{'expression' : 'ga:totalEvents'}
],
'dimensionFilterClauses' : [{
'operator' : 'AND',
'filters' : [
{'dimensionName' : 'ga:eventCategory',
'expressions' : ['Scroll']},
{'dimensionName' : 'ga:eventLabel',
'expressions' : ['100']}
]
}]
}]
}
conn = GoogleAnalyticsQueryV4(secrets='./ga_client.json')
df = conn.execute_query(query)
int(df['totalEvents']) / pageview * 100
3.238392508778775
3%程度になりました。
１ヶ月分のスクロールイベントを取得、ページごとの読了率とページビューとの相関を確認する
ページビューとページごとの読了率の関係を調べます。
スクロールイベントのデータと、ページビューのデータを取得、ページURLをキーにマージしたDataframe を作成して、相関係数を求めます。
スクロールイベントを取得、縦持ちを横持ちに変換する
from google2pandas import *
view_id = '103185238'
query = {
'reportRequests': [{
'viewId' : view_id,
'dateRanges': [{
'startDate' : '30daysAgo',
'endDate' : 'today'}],
'dimensions' : [
{'name' : 'ga:eventAction'},
{'name' : 'ga:eventCategory'},
{'name' : 'ga:eventLabel'},
],
'metrics' : [
{'expression' : 'ga:totalEvents'}
],
'dimensionFilterClauses' : [{
'filters' : [
{'dimensionName' : 'ga:eventCategory',
'expressions' : ['Scroll']}
]
}]
}]
}
conn = GoogleAnalyticsQueryV4(secrets='./ga_client.json')
df = conn.execute_query(query)
# 出力
df['totalEvents'] = df['totalEvents'].astype(int)
ga_events = df.sort_values(['eventAction','eventLabel'], ascending=True)
# 1.ga_events['eventLabel'].str.split('%', expand=True) で %で区切った結果を、データフレームに変換
# 2.[0]で1列目のカラムを取得し、astype(int) で数値に変換する
ga_events['eventLabel'] = ga_events['eventLabel'].str.split('%', expand=True)[0].astype(int)
ga_events = ga_events.sort_values(['eventAction','eventLabel'], ascending=True)
# totalEvents を縦持ちから横持ちに変換
pivot_ga_events = ga_events.pivot_table(values=['totalEvents'], index=['eventAction'], columns=['eventLabel'], aggfunc='sum', fill_value=0)
カラムの階層を削る
pivot した後の列は、multiindexのカラムになっているためカラム指定でアクセスができません。
droplevel() を実行して、第一階層のカラムを削除します。
# カラムの階層を削る
pivot_ga_events.columns = pivot_ga_events.columns.droplevel()
ページビューのデータを取得し、イベントデータとマージする
ページビューのデータを取得し、イベントデータとマージします。
キーとして、URLが設定されている pathPath と eventAction を使用します。
# Pageview を取得
from google2pandas import *
view_id = '103185238'
query = {
'reportRequests': [{
'viewId' : view_id,
'dateRanges': [{
'startDate' : '30daysAgo',
'endDate' : 'today'}],
'dimensions' : [
{'name' : 'ga:pagePath'}
],
'metrics' : [
{'expression' : 'ga:pageviews'}
],
}]
}
conn = GoogleAnalyticsQueryV4(secrets='./ga_client.json')
df = conn.execute_query(query)
import pandas as pd
merge_pd = pd.merge(df, pivot_ga_events, left_on='pagePath', right_on='eventAction')
merge_pd
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pagePath | pageviews | 0 | 20 | 40 | 60 | 80 | 100 | |
|---|---|---|---|---|---|---|---|---|
| 0 | / | 331 | 0 | 113 | 76 | 64 | 57 | 56 |
| 1 | /about/ | 31 | 0 | 13 | 14 | 14 | 15 | 14 |
| 2 | /ampoptimized/blog/In-the-browser,-wake-up-tex... | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 3 | /ampoptimized/blog/Make-the-transition-destina... | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
| 4 | /blog/ | 8 | 0 | 4 | 4 | 4 | 4 | 4 |
| 5 | /blog/404_errorpage_configration_on_wicket_dro... | 1 | 0 | 1 | 1 | 1 | 0 | 0 |
| 6 | /blog/AB-test-tool-Web-personalization-tool-RT... | 25 | 0 | 21 | 20 | 14 | 5 | 2 |
| 7 | /blog/About-formulas-in-Google-Spreadsheet-for... | 102 | 0 | 85 | 72 | 49 | 12 | 3 |
| 8 | /blog/About-JavaScript-keyboard-shortcut-library/ | 95 | 0 | 54 | 43 | 27 | 15 | 3 |
| 9 | /blog/About-searching-and-completing-a-string-... | 176 | 0 | 148 | 120 | 77 | 19 | 3 |
| 10 | /blog/About-statistical-information-of-blog-po... | 8 | 0 | 5 | 4 | 4 | 2 | 0 |
| 11 | /blog/About-txt-file-that-can-be-installed-on-... | 22 | 0 | 15 | 15 | 13 | 6 | 3 |
| 12 | /blog/add-configuration-on-django-compressor/ | 2 | 0 | 1 | 1 | 0 | 0 | 0 |
| 13 | /blog/Add-font-display-with-gulp-using-postcss... | 22 | 0 | 17 | 12 | 4 | 0 | 0 |
| 14 | /blog/at-comfasterxmljacksondatabindexcunrecog... | 22 | 0 | 11 | 11 | 8 | 3 | 0 |
| 15 | /blog/author/monotalk/ | 11 | 0 | 4 | 2 | 1 | 1 | 3 |
| 16 | /blog/Block-multiple-requests-of-Wicket-Ajax/ | 28 | 0 | 21 | 15 | 10 | 5 | 0 |
| 17 | /blog/BooleanFiled-Null-True-on-django/ | 11 | 0 | 10 | 9 | 4 | 1 | 0 |
| 18 | /blog/Calculate-Cauchy-distribution-in-Python/ | 31 | 0 | 20 | 15 | 13 | 1 | 0 |
| 19 | /blog/Calculate-coefficient-of-variation-with-... | 69 | 0 | 50 | 33 | 16 | 3 | 0 |
| 20 | /blog/Calculate-hypergeometric-distribution-wi... | 19 | 0 | 12 | 10 | 7 | 0 | 0 |
| 21 | /blog/Calculate-inequality-index-in-python/ | 69 | 0 | 45 | 35 | 18 | 5 | 0 |
| 22 | /blog/Calculate-lognormal-distribution-in-Python/ | 165 | 0 | 119 | 100 | 71 | 14 | 1 |
| 23 | /blog/Calculate-normal-distribution-with-python/ | 434 | 0 | 312 | 229 | 182 | 62 | 7 |
| 24 | /blog/Calculate-polynomial-regression-with-pyt... | 267 | 0 | 177 | 144 | 128 | 47 | 9 |
| 25 | /blog/Calculate-the-exponential-distribution-w... | 137 | 0 | 102 | 85 | 60 | 12 | 1 |
| 26 | /blog/Calculate-the-F-distribution-with-python/ | 67 | 0 | 42 | 36 | 24 | 6 | 2 |
| 27 | /blog/Calculate-the-gamma-distribution-with-Py... | 132 | 0 | 94 | 71 | 52 | 22 | 2 |
| 28 | /blog/Calculate-the-geometric-distribution-wit... | 35 | 0 | 30 | 30 | 23 | 5 | 2 |
| 29 | /blog/Calculate-the-interquartile-range-with-p... | 285 | 0 | 226 | 167 | 83 | 11 | 2 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 219 | /blog/wicket-about-wicketheader-items/ | 10 | 0 | 8 | 7 | 6 | 2 | 0 |
| 220 | /blog/Wicket-AjaxButton-Controls-behavior-when... | 28 | 0 | 17 | 16 | 12 | 3 | 2 |
| 221 | /blog/With-python-statsmodel-calculate-the-ver... | 128 | 0 | 81 | 62 | 43 | 25 | 4 |
| 222 | /blog/Write-Boolean-condition-directly-in-Ecli... | 4 | 0 | 3 | 3 | 1 | 0 | 0 |
| 223 | /blog/WSGIRequest-object-is-not-subscriptable-... | 110 | 0 | 85 | 71 | 28 | 5 | 0 |
| 224 | /blog/youtube-data-api-v3-java-paging-search/ | 9 | 0 | 5 | 4 | 4 | 3 | 0 |
| 225 | /categories/ | 14 | 0 | 2 | 2 | 2 | 2 | 1 |
| 226 | /ja/aada/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 227 | /ja/admin/ | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
| 228 | /ja/amp/amp/blog/Webpack-4-fontmin-webpack-Rem... | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 229 | /ja/ampoptimized/blog/monitore/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 230 | /ja/apis/ | 4 | 0 | 4 | 4 | 4 | 4 | 4 |
| 231 | /ja/apis/guessresult/ | 5 | 0 | 5 | 5 | 5 | 5 | 5 |
| 232 | /ja/apis/s/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 233 | /ja/blog/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 234 | /ja/blog/Default-findBugs-Rules-In-Github-Repo... | 2 | 0 | 1 | 1 | 1 | 1 | 1 |
| 235 | /ja/blog/google-search-console/ | 2 | 0 | 1 | 1 | 1 | 1 | 1 |
| 236 | /ja/blog/google-spread-sheet-/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 237 | /ja/blog/python-requests-post-/ | 4 | 0 | 4 | 4 | 4 | 4 | 4 |
| 238 | /ja/blog/python-requests-post/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 239 | /ja/blog/pyton/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 240 | /ja/guess_apis/guessresult/ | 2 | 0 | 2 | 2 | 2 | 2 | 2 |
| 241 | /ja/guessresult/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 242 | /ja/guessresult/adss/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 243 | /ja/manifest.json/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 244 | /ja/xyz_monotalk_api/guessresult/ | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 245 | /ja/xyz_monotalk_xyz/guessresult/blog/About-Ja... | 2 | 0 | 2 | 2 | 2 | 2 | 2 |
| 246 | /statistics/ | 31 | 0 | 10 | 7 | 7 | 5 | 3 |
| 247 | /xyz_monotalk_api/pages | 2 | 0 | 2 | 2 | 2 | 2 | 2 |
| 248 | /xyz_monotalk_api/posts | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
249 rows × 8 columns
データの整形と、調整
ページビューの少なすぎるデータと、スクロール率がうまく記録できていないデータ、スクロール率が0 の列を削除します。
また、ページビューに対する読了率100%の割合を、Read rateとして計算して列を追加します。
merge_pd['pageviews'] = merge_pd['pageviews'].astype(int)
# pageviewの少ないページを除外
merge_pd = merge_pd.query('pageviews >= 5')
# うまくスクロール率が記録できていないページがあるので、除外
merge_pd = merge_pd[(merge_pd['pageviews'] - merge_pd[20]) < 200]
del merge_pd[0]
merge_pd['Read rate'] = (merge_pd[100] / merge_pd['pageviews'] * 100)
merge_pd
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pagePath | pageviews | 20 | 40 | 60 | 80 | 100 | Read rate | |
|---|---|---|---|---|---|---|---|---|
| 1 | /about/ | 31 | 13 | 14 | 14 | 15 | 14 | 45.161290 |
| 4 | /blog/ | 8 | 4 | 4 | 4 | 4 | 4 | 50.000000 |
| 6 | /blog/AB-test-tool-Web-personalization-tool-RT... | 25 | 21 | 20 | 14 | 5 | 2 | 8.000000 |
| 7 | /blog/About-formulas-in-Google-Spreadsheet-for... | 102 | 85 | 72 | 49 | 12 | 3 | 2.941176 |
| 8 | /blog/About-JavaScript-keyboard-shortcut-library/ | 95 | 54 | 43 | 27 | 15 | 3 | 3.157895 |
| 9 | /blog/About-searching-and-completing-a-string-... | 176 | 148 | 120 | 77 | 19 | 3 | 1.704545 |
| 10 | /blog/About-statistical-information-of-blog-po... | 8 | 5 | 4 | 4 | 2 | 0 | 0.000000 |
| 11 | /blog/About-txt-file-that-can-be-installed-on-... | 22 | 15 | 15 | 13 | 6 | 3 | 13.636364 |
| 13 | /blog/Add-font-display-with-gulp-using-postcss... | 22 | 17 | 12 | 4 | 0 | 0 | 0.000000 |
| 14 | /blog/at-comfasterxmljacksondatabindexcunrecog... | 22 | 11 | 11 | 8 | 3 | 0 | 0.000000 |
| 15 | /blog/author/monotalk/ | 11 | 4 | 2 | 1 | 1 | 3 | 27.272727 |
| 16 | /blog/Block-multiple-requests-of-Wicket-Ajax/ | 28 | 21 | 15 | 10 | 5 | 0 | 0.000000 |
| 17 | /blog/BooleanFiled-Null-True-on-django/ | 11 | 10 | 9 | 4 | 1 | 0 | 0.000000 |
| 18 | /blog/Calculate-Cauchy-distribution-in-Python/ | 31 | 20 | 15 | 13 | 1 | 0 | 0.000000 |
| 19 | /blog/Calculate-coefficient-of-variation-with-... | 69 | 50 | 33 | 16 | 3 | 0 | 0.000000 |
| 20 | /blog/Calculate-hypergeometric-distribution-wi... | 19 | 12 | 10 | 7 | 0 | 0 | 0.000000 |
| 21 | /blog/Calculate-inequality-index-in-python/ | 69 | 45 | 35 | 18 | 5 | 0 | 0.000000 |
| 22 | /blog/Calculate-lognormal-distribution-in-Python/ | 165 | 119 | 100 | 71 | 14 | 1 | 0.606061 |
| 23 | /blog/Calculate-normal-distribution-with-python/ | 434 | 312 | 229 | 182 | 62 | 7 | 1.612903 |
| 24 | /blog/Calculate-polynomial-regression-with-pyt... | 267 | 177 | 144 | 128 | 47 | 9 | 3.370787 |
| 25 | /blog/Calculate-the-exponential-distribution-w... | 137 | 102 | 85 | 60 | 12 | 1 | 0.729927 |
| 26 | /blog/Calculate-the-F-distribution-with-python/ | 67 | 42 | 36 | 24 | 6 | 2 | 2.985075 |
| 27 | /blog/Calculate-the-gamma-distribution-with-Py... | 132 | 94 | 71 | 52 | 22 | 2 | 1.515152 |
| 28 | /blog/Calculate-the-geometric-distribution-wit... | 35 | 30 | 30 | 23 | 5 | 2 | 5.714286 |
| 29 | /blog/Calculate-the-interquartile-range-with-p... | 285 | 226 | 167 | 83 | 11 | 2 | 0.701754 |
| 30 | /blog/Calculate-the-moment-with-scipy.stats.mo... | 20 | 18 | 16 | 13 | 2 | 0 | 0.000000 |
| 31 | /blog/Calculate-the-previous-term-growth-rate-... | 96 | 62 | 59 | 49 | 30 | 1 | 1.041667 |
| 32 | /blog/Calculate-the-probability-of-binomial-di... | 255 | 184 | 151 | 96 | 19 | 9 | 3.529412 |
| 33 | /blog/Calculate-uniform-distribution-in-Python/ | 115 | 76 | 45 | 42 | 20 | 4 | 3.478261 |
| 34 | /blog/Calculate-Weibull-distribution-in-Python/ | 192 | 121 | 107 | 96 | 40 | 7 | 3.645833 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 185 | /blog/understanding-of-aggregate-pipeline/ | 41 | 40 | 37 | 33 | 8 | 4 | 9.756098 |
| 186 | /blog/Update-workbox-webpack-plugin-from-v2-to... | 28 | 21 | 18 | 12 | 3 | 2 | 7.142857 |
| 187 | /blog/Updated-Japanese-translations-on-Mezzanine/ | 15 | 13 | 9 | 6 | 3 | 0 | 0.000000 |
| 188 | /blog/upgrade-from-workbox-v2-to-v4/ | 23 | 20 | 17 | 11 | 4 | 1 | 4.347826 |
| 193 | /blog/usage-of-image-class-in-wicket/ | 32 | 15 | 13 | 9 | 8 | 3 | 9.375000 |
| 194 | /blog/usage-of-modify-display-choice-name-on-d... | 69 | 56 | 49 | 17 | 7 | 2 | 2.898551 |
| 195 | /blog/usage-of-upsert-java-mongodb-driver/ | 11 | 10 | 10 | 6 | 1 | 1 | 9.090909 |
| 197 | /blog/Use-apache-ultimate-bad-bot-blocker-to-b... | 20 | 12 | 8 | 6 | 3 | 0 | 0.000000 |
| 198 | /blog/Use-data-studio-community-visualizations... | 56 | 46 | 44 | 44 | 21 | 3 | 5.357143 |
| 200 | /blog/Use-ifttt-and-chatwork-as-web-informatio... | 36 | 29 | 24 | 13 | 11 | 3 | 8.333333 |
| 202 | /blog/Use-the-Google-Place-API-as-a-facility-s... | 133 | 105 | 89 | 74 | 30 | 3 | 2.255639 |
| 203 | /blog/Use-trubolinks-for-sites-using-Django/ | 9 | 8 | 7 | 5 | 2 | 1 | 11.111111 |
| 204 | /blog/Use-UnCSS-with-gulp/ | 29 | 22 | 17 | 9 | 2 | 0 | 0.000000 |
| 205 | /blog/Use-Wicket-wicket-devutils-to-check-the-... | 16 | 6 | 5 | 4 | 2 | 0 | 0.000000 |
| 206 | /blog/uses-a-non-entity-orgeclipsepersistencee... | 13 | 8 | 8 | 5 | 1 | 1 | 7.692308 |
| 208 | /blog/using-resource-on-wicket-application/ | 25 | 18 | 17 | 14 | 8 | 1 | 4.000000 |
| 209 | /blog/Validate-security-settings-by-adding-dep... | 14 | 9 | 8 | 6 | 0 | 0 | 0.000000 |
| 211 | /blog/Verifying-the-vulnerability-of-blogs-bui... | 27 | 22 | 18 | 9 | 1 | 1 | 3.703704 |
| 212 | /blog/Viewed-from-a-programmer-point-of-view-G... | 20 | 15 | 12 | 8 | 0 | 0 | 0.000000 |
| 214 | /blog/Visualize-the-quality-of-the-blog-articl... | 11 | 6 | 6 | 4 | 1 | 0 | 0.000000 |
| 216 | /blog/Webpack-4-fontmin-webpack-Remove-unused-... | 28 | 23 | 16 | 10 | 0 | 0 | 0.000000 |
| 217 | /blog/Webpack-4-OptimizeCSSAssetsPlugin-Optimi... | 127 | 103 | 82 | 54 | 5 | 2 | 1.574803 |
| 219 | /blog/wicket-about-wicketheader-items/ | 10 | 8 | 7 | 6 | 2 | 0 | 0.000000 |
| 220 | /blog/Wicket-AjaxButton-Controls-behavior-when... | 28 | 17 | 16 | 12 | 3 | 2 | 7.142857 |
| 221 | /blog/With-python-statsmodel-calculate-the-ver... | 128 | 81 | 62 | 43 | 25 | 4 | 3.125000 |
| 223 | /blog/WSGIRequest-object-is-not-subscriptable-... | 110 | 85 | 71 | 28 | 5 | 0 | 0.000000 |
| 224 | /blog/youtube-data-api-v3-java-paging-search/ | 9 | 5 | 4 | 4 | 3 | 0 | 0.000000 |
| 225 | /categories/ | 14 | 2 | 2 | 2 | 2 | 1 | 7.142857 |
| 231 | /ja/apis/guessresult/ | 5 | 5 | 5 | 5 | 5 | 5 | 100.000000 |
| 246 | /statistics/ | 31 | 10 | 7 | 7 | 5 | 3 | 9.677419 |
180 rows × 8 columns
散布図の描画と、相関係数の計算
scatter_matrix で散布図を描画、corr で相関係数を計算します。
pd.plotting.scatter_matrix(merge_pd, alpha=0.8, figsize=(12,12), range_padding=0.5)
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x11f2a17f0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12905c748>,
<matplotlib.axes._subplots.AxesSubplot object at 0x11fb8f390>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129143e80>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129527438>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12955a9b0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129585f28>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x129503518>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129503550>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1295d9fd0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129608588>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129630b00>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1296620b8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12968b630>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x1296b1ba8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1296e2160>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1297086d8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129730c50>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129764208>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12978a780>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1297b3cf8>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x1297e42b0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12980a828>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129833da0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129864358>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12988c8d0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1298b5e48>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1298e6400>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12990d978>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129936ef0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1299654a8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12998da20>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1299b7f98>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1299e7550>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129a0eac8>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x129a40080>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129a675f8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129a90b70>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129ac2128>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129ae76a0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129b11c18>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129b401d0>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x129b69748>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129b91cc0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129bc3278>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129be97f0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129c12d68>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129c44320>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129c6b898>]],
dtype=object)
merge_pd.corr()
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pageviews | 20 | 40 | 60 | 80 | 100 | Read rate | |
|---|---|---|---|---|---|---|---|
| pageviews | 1.000000 | 0.977938 | 0.961896 | 0.961121 | 0.830760 | 0.659829 | -0.135975 |
| 20 | 0.977938 | 1.000000 | 0.993487 | 0.966516 | 0.752464 | 0.628549 | -0.137896 |
| 40 | 0.961896 | 0.993487 | 1.000000 | 0.961941 | 0.736928 | 0.640821 | -0.131964 |
| 60 | 0.961121 | 0.966516 | 0.961941 | 1.000000 | 0.819036 | 0.672964 | -0.114497 |
| 80 | 0.830760 | 0.752464 | 0.736928 | 0.819036 | 1.000000 | 0.753186 | -0.028989 |
| 100 | 0.659829 | 0.628549 | 0.640821 | 0.672964 | 0.753186 | 1.000000 | 0.342774 |
| Read rate | -0.135975 | -0.137896 | -0.131964 | -0.114497 | -0.028989 | 0.342774 | 1.000000 |
Read rate と pageviews の相関を見ると、ページビューが多いページの100% 読了の割合が多いわけではなさそうです。
ページビュー上位20%の相関を見る
全体だとほとんど相関がなさそうでしたので、上位20%のデータの相関を見てみます。
上位20％の抽出には、quantile関数を用います。
m = merge_pd[merge_pd['pageviews'] >= merge_pd['pageviews'].quantile(0.8)]
pd.plotting.scatter_matrix(m,alpha=0.8, figsize=(12,12), range_padding=0.5)
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x12a075198>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a0aa320>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a0be518>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129386748>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1293a7a20>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129461f98>,
<matplotlib.axes._subplots.AxesSubplot object at 0x129492550>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x1294b8b00>,
<matplotlib.axes._subplots.AxesSubplot object at 0x1294b8b38>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a3065f8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a32eb70>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a35e128>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a3876a0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a3afc18>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12a3df1d0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a406748>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a430cc0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a461278>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a4897f0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a4b1d68>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a4e3320>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12a50a898>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a532e10>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a5643c8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a58a940>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a5b1eb8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a5e4470>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a60a9e8>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12a632f60>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a664518>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a68ba90>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a6bc048>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a6e75c0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a70fb38>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a7400f0>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12a767668>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a78ebe0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a7c0198>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a7e5710>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a810c88>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a840240>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a8677b8>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12a891d30>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a8c12e8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a8e8860>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a911dd8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a941390>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a96b908>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12a993e80>]],
dtype=object)
m.corr()
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pageviews | 20 | 40 | 60 | 80 | 100 | Read rate | |
|---|---|---|---|---|---|---|---|
| pageviews | 1.000000 | 0.928568 | 0.878365 | 0.896935 | 0.703414 | 0.579343 | -0.158547 |
| 20 | 0.928568 | 1.000000 | 0.980876 | 0.909730 | 0.492197 | 0.492201 | -0.193289 |
| 40 | 0.878365 | 0.980876 | 1.000000 | 0.888006 | 0.451727 | 0.525741 | -0.137850 |
| 60 | 0.896935 | 0.909730 | 0.888006 | 1.000000 | 0.636424 | 0.588516 | -0.078309 |
| 80 | 0.703414 | 0.492197 | 0.451727 | 0.636424 | 1.000000 | 0.741021 | 0.228411 |
| 100 | 0.579343 | 0.492201 | 0.525741 | 0.588516 | 0.741021 | 1.000000 | 0.643966 |
| Read rate | -0.158547 | -0.193289 | -0.137850 | -0.078309 | 0.228411 | 0.643966 | 1.000000 |
特に相関があるとはいえなさそうです。
ページビュー上位10%の相関を見る
上位10%のデータの相関を見てみます。
m = merge_pd[merge_pd['pageviews'] >= merge_pd['pageviews'].quantile(0.90)]
pd.plotting.scatter_matrix(m,alpha=0.8, figsize=(12,12), range_padding=0.5)
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x12d6ab320>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12d7e9518>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12d7f5780>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12d80f9e8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12da4ad30>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12da79278>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12daa27f0>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12dacada0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dacadd8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12db23898>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12db4be10>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12db7b3c8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dba3940>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dbcceb8>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12dbfd470>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dc249e8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dc4ef60>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dc80518>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dca5a90>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dcd9048>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dcff5c0>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12dd28b38>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dd590f0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dd80668>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dda6be0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dddb198>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12ddff710>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12de2ac88>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12de5a240>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12de817b8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dea8d30>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12deda2e8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12deff860>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12df2cdd8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12df5c390>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12df86908>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dface80>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12dfdd438>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e0039b0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e02ef28>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e05b4e0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e085a58>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x12e0adfd0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e0df588>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e106b00>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e1390b8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e15f630>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e188ba8>,
<matplotlib.axes._subplots.AxesSubplot object at 0x12e1b8160>]],
dtype=object)
m.corr()
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pageviews | 20 | 40 | 60 | 80 | 100 | Read rate | |
|---|---|---|---|---|---|---|---|
| pageviews | 1.000000 | 0.873550 | 0.791892 | 0.819756 | 0.608373 | 0.590520 | 0.154224 |
| 20 | 0.873550 | 1.000000 | 0.970574 | 0.857356 | 0.268564 | 0.454755 | 0.073183 |
| 40 | 0.791892 | 0.970574 | 1.000000 | 0.829729 | 0.218985 | 0.511611 | 0.176578 |
| 60 | 0.819756 | 0.857356 | 0.829729 | 1.000000 | 0.470888 | 0.603951 | 0.283545 |
| 80 | 0.608373 | 0.268564 | 0.218985 | 0.470888 | 1.000000 | 0.737293 | 0.530483 |
| 100 | 0.590520 | 0.454755 | 0.511611 | 0.603951 | 0.737293 | 1.000000 | 0.859617 |
| Read rate | 0.154224 | 0.073183 | 0.176578 | 0.283545 | 0.530483 | 0.859617 | 1.000000 |
上位10％だと、ページビューに対する Read rate の相関が正の相関に変わりました。
まとめ
Pandas で Google Analytics の 読了率データを分析してみました。以下、まとめます。
-
1ページあたり複数回、スクロール率を記録すると、分析時のデータ加工が面倒。
１回だけ記録するように、Google Analytics の設定を変更するのが良さそうに思いました。
#GTMTips: Fire Trigger When User Is About To Leave The Page | Simo Ahava’s blog
に記載がありますが、beforeunloadにイベントの送付を仕込むと1回だけ記録ができそうなので、これを試してみようかと思います。 -
ページビューと、読了率100%の割合に相関はなさそう。
当ブログにおいては、基本的にページビューと読了率100%の割合に相関はなさそうです。
ページ内のリンクの数、記事の文字数などが関係するのかもしれません。 -
上位10%だと、読了率100%の割合は正の相関になる。
上位20%のページだと、読了率100%の割合は負の相関ですが、上位10%のページだと、読了率100%の割合は正の相関になります。
上位20%に入るが、読了率100%の割合が低いページがいるということでどんなページが該当するのか興味を持ちました。
参考
以下、参考にした記事になります。
* pandasで行・列の差分・変化率を取得するdiff, pct_change | note.nkmk.me
* python - How to calculate percentage with Pandas’ DataFrame - Stack Overflow
* Python: PandasのDataFrameを横持ち・縦持ちに変換する - け日記
* python - Pandas: drop a level from a multi-level column index? - Stack Overflow
以上です。
コメント