Auswirkung des Bugs beurteilen
Jetzt berechnest du, wie viele Abonnentinnen und Abonnenten verloren gingen, weil Nutzerinnen und Nutzer fälschlicherweise auf Englisch statt in ihrer bevorzugten Sprache bedient wurden. Sobald das Team eine Schätzung zur Auswirkung dieses Fehlers hat, kann es entscheiden, ob zusätzliche Prüfungen sinnvoll sind, um so etwas künftig zu vermeiden — du denkst vielleicht: klar lohnt es sich, Fehler zu verhindern! Da liegst du nicht falsch, aber jede Entscheidung eines Unternehmens kostet Arbeit und Budget. Je mehr Informationen dein Team hat, desto besser kann es diesen Trade-off bewerten.
Der DataFrame converted wurde bereits für dich geladen. Er enthält die Spalten mit den erwarteten Abonnements für spanisch-, arabisch- und deutschsprachige Nutzerinnen und Nutzer mit den Namen expected_spanish_conv, expected_arabic_conv und expected_german_conv.
Diese Übung ist Teil des Kurses
Marketingkampagnen mit pandas analysieren
Anleitung zur Übung
- Erstelle den DataFrame
converted, indem du mit.locnur Zeilen auswählst, deren Datum zwischen'2018-01-11'und'2018-01-31'liegt. - Summiere die Spalten mit den erwarteten Abonnements für jede Sprache in
convertedund speichere das Ergebnis inexpected_subs. - Summiere die tatsächlichen Abonnements für jede Sprache in
convertedund speichere das Ergebnis inactual_subs. - Subtrahiere
actual_subsvonexpected_subs, um zu ermitteln, wie viele Abonnements durch den Bug verloren gingen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Use .loc to slice only the relevant dates
converted = converted.___['____':'____']
# Sum expected subscribers for each language
expected_subs = ____.sum() + ____.sum() + ____.sum()
# Calculate how many subscribers we actually got
actual_subs = ____.____ + ____.____ + ____.____
# Subtract how many subscribers we got despite the bug
lost_subs = ____
print(lost_subs)