Analizzare le preferenze degli utenti

Per capire il vero impatto del bug, è fondamentale determinare quanti iscritti ci saremmo aspettati se non ci fosse stato l'errore di lingua. Questo è cruciale per valutare l'entità del problema e quanto sia importante prevenire questo tipo di errore in futuro.

In questo passaggio creerai un nuovo DataFrame su cui eseguire calcoli per determinare il numero atteso di iscritti. Questo DataFrame includerà, giorno per giorno, quanti utenti preferiscono ciascuna lingua. Una volta creato, potrai iniziare a calcolare quanti iscritti ti saresti aspettato di avere se il bug della lingua non si fosse verificato.

Questo esercizio fa parte del corso

Analizzare campagne di marketing con pandas

Visualizza il corso

Istruzioni dell'esercizio

Raggruppa house_ads per date_served e language_preferred.
Usa un dizionario all'interno di una chiamata a .agg() per calcolare il numero di utenti unici e sommare il numero di utenti convertiti.
Esegui l'unstack di converted a level = 1

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

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

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

Modifica ed esegui il codice