Évaluer l'impact du bogue
Il est temps de calculer combien d'abonnés ont été perdus parce qu'on a par erreur servi des utilisateurs en anglais plutôt que dans leur langue préférée. Une fois que l'équipe aura une estimation de l'impact de cette erreur, elle pourra décider s'il vaut la peine de mettre en place des vérifications supplémentaires pour éviter que cela se reproduise — vous vous dites peut‑être que, bien sûr, ça vaut la peine de prévenir les erreurs ! En un sens, vous avez raison, mais chaque choix que fait une entreprise exige du travail et du financement. Plus votre équipe dispose d'information, mieux elle pourra évaluer ce compromis.
Le DataFrame converted a déjà été chargé pour vous. Il contient les colonnes d'abonnés attendus pour les personnes parlant espagnol, arabe et allemand, nommées expected_spanish_conv, expected_arabic_conv et expected_german_conv respectivement.
Cette activité fait partie du cours
Analyser des campagnes marketing avec pandas
Instructions de l’exercice
- Créez le DataFrame
converteden utilisant.locpour sélectionner uniquement les lignes où la date est entre'2018-01-11'et'2018-01-31'. - Faites la somme des colonnes d'abonnés attendus pour chaque langue dans
convertedet enregistrez les résultats dansexpected_subs. - Faites la somme des abonnés réels pour chaque langue dans
convertedet enregistrez les résultats dansactual_subs. - Soustrayez
actual_subsdeexpected_subspour déterminer combien d'abonnés ont été perdus à cause du bogue.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)