Évaluer l’impact du bug
Il est temps de calculer combien d’abonnés ont été perdus parce que des utilisateurs ont reçu l’anglais par erreur au lieu de leur langue préférée. Une fois que l’équipe dispose d’une estimation de l’impact, elle pourra décider s’il vaut la peine de mettre en place des contrôles supplémentaires pour éviter que cela ne se reproduise — vous vous dites peut‑être que, bien sûr, il faut tout faire pour éviter les erreurs ! Vous avez raison dans l’esprit, mais chaque décision d’entreprise demande du travail et du budget. Plus votre équipe dispose d’informations, 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 respectivement expected_spanish_conv, expected_arabic_conv et expected_german_conv.
Cet exercice fait partie du cours
Analyzing Marketing Campaigns with pandas
Instructions
- Créez le DataFrame
converteden utilisant.locpour sélectionner uniquement les lignes dont la date est comprise entre'2018-01-11'et'2018-01-31'. - Additionnez les colonnes d’abonnés attendus pour chaque langue dans
convertedet enregistrez le résultat dansexpected_subs. - Additionnez les abonnés réels pour chaque langue dans
convertedet enregistrez le résultat dansactual_subs. - Soustrayez
actual_subsdeexpected_subspour déterminer combien d’abonnés ont été perdus à cause du bug.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)