课程
Python 中的 A/B 测试
中级技能水平
更新时间 2025年11月
PythonProbability & Statistics4小时16 视频51 道练习4,000 XP12,348成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
了解 A/B 测试的工作原理
你知道吗，每次你浏览互联网时，几乎都一定会参与一次 A/B 测试？从搜索引擎和电商网站到社交网络和营销活动——所有企业都在招聘最优秀的数据分析师、科学家和工程师，以利用 A/B 测试的力量。 测试不同版本有助于优化客户体验、最大化利润、指导下一步最佳设计，以及更多。
了解 Python 中的 A/B 测试
你将首先学习如何定义正确的指标，然后再学习如何估算合适的样本量和持续时间，以获得具有结论性的结果。 在本课程中，你将使用一系列 Python 包来辅助 A/B 测试，包括 statsmodels、scipy 和 pingouin。
在课程结束时，你将能够运行确保结果准确所需的检查，掌握 p 值的运用，并轻松自信地分析 A/B 测试结果，从而为最关键的业务决策提供指导。
先决条件
Hypothesis Testing in Python1
A/B 测试概览
在本章中，您将学习 A/B 测试的基础。您会了解清晰的实施步骤与典型用例，明白为什么要设计并运行 A/B 测试及其价值，并认识常用的指标设计与估算框架。
2
实验设计与规划
在第 2 章，您将学习实验设计流程。首先从如何提出有力的 A/B 测试假设开始，还将涵盖统计学概念，如检验效能（power）、错误率以及最小可检测效应（MDE）。本章最后，您将学会估算获得有结论性结果所需的合适样本量，并处理多重比较情境。
3
数据处理、有效性检查与结果分析
在这里，您将学习一套清洗、预处理并探索 A/B 测试数据的具体流程，并掌握确保结果有效所必需的有效性检查。您还将通过详解与示例，学习如何分析比例差异类的 A/B 测试。
4
实践考量与决策制定
在最后一章，您将构建分析均值差异的框架，并在若干假设不满足时运用非参数检验。您还将学习在分析比率型指标时如何应用 Delta 方法，并了解最佳实践与一些进阶主题，帮助您进一步精通 A/B 测试。
Python 中的 A/B 测试
课程完成 加入超过19百万学习者，今天就开始Python 中的 A/B 测试！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。