Creare un DataFrame per le house ads
Il team delle house ads è preoccupato perché nelle ultime settimane ha visto il tasso di conversione calare all’improvviso. Negli esercizi precedenti, hai confermato il calo delle conversioni perché hai individuato un modello legato alle preferenze di lingua.
Come data scientist, il tuo compito è fornire agli stakeholder di marketing un feedback il più specifico possibile su cosa non ha funzionato, per massimizzare le possibilità di correggere il problema. È fondamentale non limitarsi a dire "sembra esserci un problema di lingua", ma identificare nello specifico qual è il problema, così che il team non ripeta l’errore.
Questo esercizio fa parte del corso
Analizzare campagne di marketing con pandas
Istruzioni dell'esercizio
- Usa
np.where()per creare una nuova colonna inhouse_adschiamata'is_correct_lang'i cui valori siano'Yes'se'language_displayed'è uguale a'language_preferred'e'No'altrimenti. - Esegui un group by per
date_servedeis_correct_langper ottenere un conteggio giornaliero degli annunci erogati.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Add the new column is_correct_lang
house_ads['is_correct_lang'] = np.____(
house_ads['____'] == house_ads['____'],
'____',
'____')
# Groupby date_served and correct_language
language_check = house_ads.____(____)['____'].____()
# Unstack language_check and fill missing values with 0's
language_check_df = pd.DataFrame(language_check.unstack(level=1)).fillna(0)
# Print results
print(language_check_df)