Créer un DataFrame pour les publicités internes
L'équipe des publicités internes s'inquiète, car elle a vu son taux de conversion chuter soudainement au cours des dernières semaines. Dans les exercices précédents, vous avez confirmé que la conversion est en baisse après avoir remarqué un motif lié aux préférences linguistiques.
En tant que scientifique des données, votre rôle est de fournir à vos parties prenantes en marketing une rétroaction aussi précise que possible sur ce qui s'est mal passé, afin de maximiser leurs chances de corriger le problème. Il est essentiel de ne pas simplement dire « on dirait qu'il y a un problème de langue », mais plutôt d'identifier précisément lequel pour éviter que l'équipe ne répète son erreur.
Cette activité fait partie du cours
Analyser des campagnes marketing avec pandas
Instructions de l’exercice
- Utilisez
np.where()pour créer une nouvelle colonne danshouse_adsappelée'is_correct_lang'dont la valeur est'Yes'si'language_displayed'est égal à'language_preferred'et'No'sinon. - Regroupez par
date_servedetis_correct_langpour obtenir un décompte quotidien des publicités diffusées.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)