Untitled

import pandas
import seaborn

# считываем данные
data = pandas.read_csv('support_data_ds.csv')

# для каждой пары интервал-оценка считаем количество выданных промокодов
sum_promo = data.groupby(['interval', 'score'])['promo'].sum()
# для каждой пары интервал-оценка считаем количество записей
count_promo = data.groupby(['interval', 'score'])['promo'].count()

# формируем список интервалов
intervals = ['До внедрения роботов', 'После внедрения роботов']

scores = sorted(data['score'].unique())# соберите все уникальные оценки из столбца score
promo_chance = sum_promo/count_promo# разделите количество промокодов на количество записей

seaborn.heatmap(promo_chance.unstack('interval'),
                xticklabels=interval,
                yticklabels=score,
                annot=True,
                cmap='RdYlGn') # постройте тепловую карту для среднего количества промокодов