Ein DataFrame für House Ads erstellen

Das House-Ads-Team ist besorgt, weil die Conversion-Rate in den letzten Wochen plötzlich gesunken ist. In den vorherigen Übungen hast du bestätigt, dass die Conversion zurückgegangen ist, weil du ein Muster bei den Sprachpräferenzen erkannt hast.

Als Data Scientist ist es deine Aufgabe, deinen Marketing-Stakeholdern so konkretes Feedback wie möglich zu geben, was schiefgelaufen ist, damit sie das Problem bestmöglich beheben können. Es ist wichtig, nicht nur zu sagen: "sieht nach einem Sprachproblem aus", sondern genau zu benennen, worin das Problem besteht, damit das Team den Fehler nicht wiederholt.

Diese Übung ist Teil des Kurses

Marketingkampagnen mit pandas analysieren

Kurs anzeigen

Anleitung zur Übung

Verwende np.where(), um in house_ads eine neue Spalte namens 'is_correct_lang' zu erstellen, deren Werte 'Yes' sind, wenn 'language_displayed' gleich 'language_preferred' ist, und sonst 'No'.
Gruppiere nach date_served und is_correct_lang, um eine tägliche Anzahl der ausgelieferten Anzeigen zu erhalten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)

Code bearbeiten und ausführen