バグの影響を評価する
ユーザーの希望言語ではなく英語を誤って表示してしまったことで、どれだけの加入者を失ったかを計算します。エラーの影響を見積もれれば、将来同様の事態を避けるために追加のチェックを導入する価値があるかを判断できます。もちろん「エラー防止はやるべき」と思うかもしれませんが、そのとおりでありつつも、企業のあらゆる選択には作業とコストが伴います。情報が多いほど、このトレードオフをより的確に評価できます。
DataFrame converted はすでに読み込まれています。スペイン語、アラビア語、ドイツ語の話者向けの想定加入者数の列があり、それぞれ expected_spanish_conv、expected_arabic_conv、expected_german_conv という名前です。
この演習はコースの一部です
pandasで学ぶマーケティングキャンペーン分析
演習の手順
.locを使って、日付が'2018-01-11'から'2018-01-31'の間の行だけを選択し、convertedDataFrame を作成します。converted内の各言語の想定加入者数の列を合計し、結果をexpected_subsに保存します。converted内の各言語の実際の加入者数を合計し、結果をactual_subsに保存します。expected_subsからactual_subsを差し引き、バグによって失われた加入者数を算出します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)