Ein DataFrame auf Basis von Indizes erstellen

Nachdem du einen Index erstellt hast, um englische Conversion-Raten mit allen anderen Sprachen zu vergleichen, baust du jetzt ein DataFrame auf, das schätzt, wie die täglichen Conversion-Raten ausgesehen hätten, wenn Nutzer die richtige Sprache gesehen hätten.

Ein erwartetes Conversion-DataFrame namens converted wurde für dich erstellt. Es gruppiert house_ads nach Datum und bevorzugter Sprache. Es enthält die Anzahl eindeutiger Nutzer sowie die Anzahl der Conversions pro Sprache und Tag.

Zum Beispiel kannst du auf die Anzahl spanischsprachiger Nutzer, die House Ads gesehen haben, mit converted[('user_id','Spanish')] zugreifen.

Diese Übung ist Teil des Kurses

<Kurs>Marketingkampagnen mit pandas analysieren</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende .loc, um die Spalte english_conv_rate in converted mit der englischen Conversion-Rate zwischen '2018-01-11' und '2018-01-31' zu erstellen.
Erstelle erwartete Conversion-Spalten für jede Sprache, indem du english_conv_rate mit jedem Sprachindex (spanish_index, arabic_index oder german_index) multiplizierst.
Multipliziere die erwartete Conversion-Rate jeder Sprache mit der Anzahl der Nutzer, die House Ads hätten sehen sollen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create English conversion rate column for affected period
converted['english_conv_rate'] = converted.loc[____][____]/converted.loc[____][____]

# Create expected conversion rates for each language
converted['expected_spanish_rate'] = ____
converted['expected_arabic_rate'] = ____
converted['expected_german_rate'] = ____

# Multiply number of users by the expected conversion rate
converted['expected_spanish_conv'] = ____*____/100
converted['expected_arabic_conv'] = ____*____/100
converted['expected_german_conv'] = ____*____/100

Code bearbeiten und ausführen