Vytvoření DataFrame pro house ads

Tým zodpovědný za house ads je znepokojený, protože v posledních několika týdnech zaznamenal náhlý pokles konverzního poměru. V předchozích cvičeních jsi potvrdil/a, že konverze klesají — všiml/a sis vzoru souvisejícího s jazykovými preferencemi uživatelů.

Jako datový analytik/datová analytička máš za úkol poskytnout marketingovým kolegům co nejkonkrétnější zpětnou vazbu o tom, co se pokazilo, aby mohli problém co nejlépe napravit. Nestačí jen říct „vypadá to na problém s jazykem" — je důležité přesně identifikovat, v čem chyba spočívá, aby se tým stejné chyby příště vyvaroval.

Toto cvičení je součástí kurzu

Analýza marketingových kampaní s pandas

Zobrazit kurz

Pokyny k cvičení

Pomocí np.where() vytvoř v house_ads nový sloupec 'is_correct_lang', jehož hodnoty budou 'Yes', pokud se 'language_displayed' rovná 'language_preferred', a 'No' v opačném případě.
Seskup data podle date_served a is_correct_lang, abys získal/a denní počet zobrazených reklam.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Add the new column is_correct_lang
house_ads['is_correct_lang'] = np.____(
    house_ads['____'] == house_ads['____'], 
    '____', 
    '____')

# Groupby date_served and correct_language
language_check = house_ads.____(____)['____'].____()

# Unstack language_check and fill missing values with 0's
language_check_df = pd.DataFrame(language_check.unstack(level=1)).fillna(0)

# Print results
print(language_check_df)

Upravit a spustit kód