Crear un DataFrame para house ads

El equipo de house ads está preocupado porque su tasa de conversión ha caído de repente en las últimas semanas. En los ejercicios anteriores, confirmaste que la conversión bajó porque detectaste un patrón relacionado con las preferencias de idioma.

Como científico/a de datos, tu trabajo es dar a tus stakeholders de marketing un feedback lo más específico posible sobre qué salió mal para maximizar sus opciones de corregir el problema. Es vital que no te limites a decir "parece que hay un problema de idioma", sino que identifiques específicamente cuál es el problema para que el equipo no repita el error.

Este ejercicio forma parte del curso

Análisis de campañas de marketing con pandas

Ver curso

Instrucciones del ejercicio

Usa np.where() para crear una nueva columna en house_ads llamada 'is_correct_lang' cuyos valores sean 'Yes' si 'language_displayed' es igual a 'language_preferred' y 'No' en caso contrario.
Agrupa por date_served e is_correct_lang para obtener un recuento diario de los anuncios servidos.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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)

Editar y ejecutar código