Valutare l'impatto del bug
È il momento di calcolare quanti abbonati sono andati persi perché, per errore, ad alcuni utenti è stato mostrato l’inglese invece della loro lingua preferita. Una volta che il team avrà una stima dell’impatto di questo errore, potrà decidere se vale la pena aggiungere controlli extra per evitarlo in futuro—potresti pensare: certo che vale la pena prevenire gli errori! In un certo senso hai ragione, ma ogni scelta aziendale richiede lavoro e budget. Più informazioni ha il tuo team, meglio potrà valutare questo compromesso.
Il DataFrame converted è già stato caricato per te. Contiene le colonne degli abbonati attesi per i parlanti spagnolo, arabo e tedesco chiamate rispettivamente expected_spanish_conv, expected_arabic_conv e expected_german_conv.
Questo esercizio fa parte del corso
Analizzare campagne di marketing con pandas
Istruzioni dell'esercizio
- Crea il DataFrame
convertedusando.locper selezionare solo le righe in cui la data è compresa tra'2018-01-11'e'2018-01-31'. - Somma le colonne degli abbonati attesi per ciascuna lingua in
convertede salva i risultati inexpected_subs. - Somma gli abbonati effettivi per ciascuna lingua in
convertede salva i risultati inactual_subs. - Sottrai
actual_subsdaexpected_subsper determinare quanti abbonati sono stati persi a causa del bug.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)