Créer un DataFrame à partir d'index
Maintenant que vous avez créé un index pour comparer les taux de conversion en anglais à ceux de toutes les autres langues, vous allez construire un DataFrame qui estimera quels auraient dû être les taux de conversion quotidiens si les personnes utilisatrices avaient reçu la bonne langue.
Un DataFrame de conversions attendues nommé converted a été créé pour vous, en regroupant house_ads par date et langue préférée. Il contient un dénombrement des personnes utilisatrices uniques ainsi que le nombre de conversions pour chaque langue, chaque jour.
Par exemple, vous pouvez accéder au nombre de personnes hispanophones qui ont reçu des annonces internes à l'aide de converted[('user_id','Spanish')].
Cette activité fait partie du cours
Analyser des campagnes marketing avec pandas
Instructions de l’exercice
- Utilisez
.locpour créer la colonneenglish_conv_ratedansconvertedavec le taux de conversion en anglais entre'2018-01-11'et'2018-01-31'. - Créez les colonnes de conversion attendue pour chaque langue en multipliant
english_conv_ratepar l'index de chaque langue (spanish_index,arabic_indexougerman_index). - Multipliez le taux de conversion attendu de chaque langue par le nombre de personnes qui auraient dû recevoir des annonces internes.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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