Pandas. Metoda df.replace(). Mapowanie starych nazw kampanii UTM na nowe etykiety.

Na czym to polega w sklepie

Metoda df.replace podmienia wskazane wartości na inne - pojedyncze skalary, słowniki mapowania lub regex. Standardowe czyszczenie danych marketingowych: ujednolicenie wariantów nazw kampanii i zamiana placeholderów GA4.

Przykład ze sklepu internetowego

W eksporcie sesji kolumna campaign ma historyczne nazwy UTM i wartości (not set) - mapujesz je przed groupby:

import pandas as pd

sessions = pd.read_csv("ga4_sessions.csv")
sessions["campaign"] = sessions["campaign"].replace({
    "black_friday_2025": "black_friday",
    "BF_2025": "black_friday",
    "(not set)": pd.NA,
    "": pd.NA,
})
sessions["country"] = sessions["country"].replace({"UK": "GB", "EN": "GB"})

Co zrobić po stronie biznesu

• Zamiana statusów zamówień (pending → oczekujące) na polskie etykiety raportu.
• Mapowanie starych ID produktów na nowe po rebrandingu SKU.
• Normalizacja medium: ppc → cpc w jednym miejscu.

W skrócie

replace z słownikiem to audytowalne mapowanie wartości. Trzymaj słownik UTM w osobnym pliku YAML/CSV i ładuj do replace - łatwiejsze utrzymanie.