Analýza jazykových preferencí uživatelů

Abychom pochopili skutečný dopad chyby, je zásadní zjistit, kolik předplatitelů bychom získali, kdyby k jazykové chybě nedošlo. To nám pomůže pochopit rozsah problému a uvědomit si, jak důležité je podobným chybám v budoucnu předcházet.

V tomto kroku vytvoříš nový DataFrame, na kterém budeš provádět výpočty pro stanovení očekávaného počtu předplatitelů. Tento DataFrame bude obsahovat informace o tom, kolik uživatelů preferuje každý jazyk podle dne. Jakmile ho budeš mít připravený, můžeš začít počítat, kolik předplatitelů bys bez jazykové chyby očekával/a.

Toto cvičení je součástí kurzu

Analýza marketingových kampaní s pandas

Zobrazit kurz

Pokyny k cvičení

Seskup house_ads podle date_served a language_preferred.
Použij slovník uvnitř volání .agg() k výpočtu počtu unikátních uživatelů a součtu počtu konvertovaných uživatelů.
Rozbal converted na úrovni level = 1.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Group house_ads by date and language
converted = house_ads.groupby(____)\
                        .agg({'____':'____',
                              '____':'____'})

# Unstack converted
converted_df = pd.DataFrame(____.____(____))

Upravit a spustit kód