Menganalisis preferensi pengguna

Untuk memahami dampak sebenarnya dari bug tersebut, penting untuk menentukan berapa banyak pelanggan yang seharusnya kita peroleh jika tidak ada kesalahan bahasa. Ini penting untuk memahami skala masalah dan seberapa penting mencegah kesalahan seperti ini di masa mendatang.

Pada langkah ini, Anda akan membuat DataFrame baru yang dapat digunakan untuk melakukan perhitungan guna menentukan perkiraan jumlah pelanggan. DataFrame ini akan memuat berapa banyak pengguna yang lebih menyukai setiap bahasa per hari. Setelah Anda memiliki DataFrame tersebut, Anda dapat mulai menghitung berapa banyak pelanggan yang seharusnya Anda miliki jika bug bahasa tidak terjadi.

Latihan ini adalah bagian dari kursus

Menganalisis Kampanye Pemasaran dengan pandas

Lihat Kursus

Petunjuk latihan

Kelompokkan house_ads berdasarkan date_served dan language_preferred.
Gunakan kamus di dalam pemanggilan .agg() untuk menghitung jumlah pengguna unik dan menjumlahkan jumlah pengguna yang melakukan konversi.
Lakukan unstack pada converted pada level = 1

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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

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

Edit dan Jalankan Kode