Créer un DataFrame à partir d’index
Maintenant que vous avez créé un index pour comparer les taux de conversion en anglais à ceux des autres langues, vous allez construire un DataFrame qui estimera quels auraient dû être les taux de conversion quotidiens si les utilisateurs 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 le nombre d’utilisateurs uniques ainsi que le nombre de conversions pour chaque langue, chaque jour.
Par exemple, vous pouvez accéder au nombre d’utilisateurs hispanophones qui ont reçu des annonces internes avec converted[('user_id','Spanish')].
Cet exercice fait partie du cours
Analyzing Marketing Campaigns with pandas
Instructions
- 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 chaque index de langue (spanish_index,arabic_indexougerman_index). - Multipliez le taux de conversion attendu de chaque langue par le nombre d’utilisateurs qui auraient dû recevoir des annonces internes.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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