인덱스를 기반으로 DataFrame 만들기
이제 영어 전환율을 다른 모든 언어와 비교하기 위한 인덱스를 만들었으니, 사용자가 올바른 언어로 광고를 받았다고 가정했을 때의 일일 전환율을 추정하는 DataFrame을 만들어 보겠습니다.
기대 전환 DataFrame인 converted가 미리 생성되어 있으며, 날짜와 선호 언어별로 house_ads를 그룹화했습니다. 여기에는 각 언어에 대해 매일 고유 사용자 수와 전환 수가 들어 있어요.
예를 들어, 하우스 광고를 받은 스페인어 사용자 수는 converted[('user_id','Spanish')]로 접근할 수 있어요.
이 연습은 강의의 일부입니다
pandas로 마케팅 캠페인 분석하기
연습 안내
.loc을 사용해'2018-01-11'부터'2018-01-31'까지의 영어 전환율로converted에english_conv_rate열을 만드세요.- 각 언어 인덱스(
spanish_index,arabic_index,german_index)에english_conv_rate를 곱해 언어별 기대 전환율 열을 만드세요. - 각 언어의 기대 전환율에 해당 언어로 하우스 광고를 받았어야 하는 사용자 수를 곱하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create English conversion rate column for affected period
converted['english_conv_rate'] = converted.loc[____][____]/converted.loc[____][____]
# Create expected conversion rates for each language
converted['expected_spanish_rate'] = ____
converted['expected_arabic_rate'] = ____
converted['expected_german_rate'] = ____
# Multiply number of users by the expected conversion rate
converted['expected_spanish_conv'] = ____*____/100
converted['expected_arabic_conv'] = ____*____/100
converted['expected_german_conv'] = ____*____/100