本リポジトリは、オーム社から発売中の『pythonで学ぶ効果検証入門』のサポートのためのページです。 ソースコードやデータの配布を行っています。
TBA
書籍で用いたデータおよびコードを下記の通り配布を行っております。
ファイル一覧
- data/: 本書で分析に使用するデータファイルを格納するフォルダです。
- lenta_dataset.csv: 後述するLentaデータセットを本書の分析用途に合わせて整形したファイルです。
- ch2_logdata.csv: 2章で行う分析用に著者側で人工的に作成したデータファイルです。
- ch3_cluster_trial.csv: 3章で行うクラスター分析用に著者側で人工的に作成したデータファイルです。
- ch3_noncompliance_abtest.csv: 3章で行うNon-compliance分析用に著者側で人工的に作成したデータファイルです。
- ch3_stratified_trial.csv: 3章で行う層化A/Bテスト分析用に著者側で人工的に作成したデータファイルです。
- ch4_organ_donations_full.csv: 4章で行うDID分析用に後述する臓器提供登録率データセットを本書の分析用途に合わせて整形したファイルです。
- ch4_organ_donations_short.csv: 4章で行うDID分析用に後述する臓器提供登録率データセットを本書の分析用途に合わせて整形したファイルです。
- ch5_coupon.csv: 5章で行う分析用に著者側で人工的に作成したデータファイルです。
- ch5_coupon_v2.csv: 5章で行う分析用に著者側で人工的に作成したデータファイルです。
- notebooks/: 本書で分析に用いたJupyter Notebookファイルを格納するフォルダです。
- chapter0_dataset.ipynb: 上述の著者側で人工的に作成したデータの作成用ファイルです。
- chapter2.ipynb: 書籍の第2章で解説した分析に対応します。
- chapter3_abtest_detail.ipynb: 書籍の第3章で解説した分析に対応します。
- chapter4_did.ipynb: 書籍の第4章で解説した分析に対応します。
- chapter5_rdd.ipynb: 書籍の第5章で解説した分析に対応します。
- colab.ipynb: Google Colaboratory(Colab)の使い方について説明をしています。
- pyproject.toml: プロジェクトの依存関係を管理するための設定ファイルです。
- poetry.lock: プロジェクトの依存関係のバージョンを固定するためのロックファイルです。
これらの各種データおよびコードの解説は書籍をご覧ください。
本書ではPythonの環境として、Colabを推奨しています。 その使用方法について本レポジトリのColab.ipynbにて解説を行っていますので、必要な方はご参照ください。
このプロジェクトは以下の環境で動作確認を行っています。
- Python 3.8.5
- pandas >= 2.00
- numpy 1.22.2
- scipy 1.8.0
- matplotlib 3.5.1
- statsmodels 0.14.1
- seaborn 0.12.2
- jupyterlab 4.0.6
- ipython 8.0.1
- linearmodels 4.0.0
- tqdm 4.66.1
- rdrobust 1.2.1
- rddensity 2.4.1
- lentaデータセット
- 本書では、skliftライブラリによって提供されているLenta データセットを使用しました。
- このデータセットは、ロシアのスーパーマーケットチェーン Lenta の顧客行動データを含んでおり、アップリフトモデリングの研究に広く利用されています。
- 臓器提供登録率データセット
- 本書では、次の論文で用いられている臓器提供登録率についてのデータセットを使用しました。
- またそのデータダウンロードにあたってはcausaldataライブラリを利用しています。
Q：書籍中で使われているコードと本レポジトリで使われているコードに微妙な差があります。
A：書籍で示したコードは分かりやすさを重視し、一部実際に実行しているコードと異なる表記をしているところがあります。一方でそれは処理結果に影響を与えるようなものではないため、本レポジトリのコードを正例として利用いただければ幸いです。