Analyser les préférences des utilisateurs

Pour comprendre la véritable portée du bogue, il est essentiel d'estimer combien d'abonnés nous aurions prévu en l'absence d'erreur de langue. C'est essentiel pour mesurer l'ampleur du problème et l'importance d'éviter ce type d'erreur à l'avenir.

Dans cette étape, vous allez créer un nouveau DataFrame sur lequel vous pourrez faire des calculs pour déterminer le nombre d'abonnés attendu. Ce DataFrame indiquera, par jour, combien d'utilisateurs préfèrent chaque langue. Une fois le DataFrame prêt, vous pourrez commencer à calculer combien d'abonnés vous auriez prévu si le bogue de langue ne s'était pas produit.

Cette activité fait partie du cours

Analyser des campagnes marketing avec pandas

Voir le cours

Instructions de l’exercice

Regroupez house_ads par date_served et language_preferred.
Utilisez un dictionnaire dans un appel à .agg() pour calculer le nombre d'utilisateurs uniques et sommer le nombre d'utilisateurs convertis.
Faites l'unstack de converted avec level = 1

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Group house_ads by date and language
converted = house_ads.groupby(____)\
                        .agg({'____':'____',
                              '____':'____'})

# Unstack converted
converted_df = pd.DataFrame(____.____(____))

Modifier et exécuter le code