Een DataFrame maken voor house ads

Het house-ads-team maakt zich zorgen omdat ze de afgelopen weken een plotselinge daling in hun conversieratio zien. In de vorige oefeningen heb je bevestigd dat de conversie is gedaald, omdat je een patroon zag rondom taalvoorkeuren.

Als data scientist is het jouw taak om je marketingstakeholders zo specifiek mogelijke feedback te geven over wat er misging, zodat zij het probleem optimaal kunnen oplossen. Het is cruciaal dat je niet alleen zegt: "het lijkt een taalprobleem", maar dat je precies benoemt wat er mis is gegaan, zodat het team de fout niet herhaalt.

Deze oefening maakt deel uit van de cursus

Marketingcampagnes analyseren met pandas

Cursus bekijken

Oefeninstructies

Gebruik np.where() om een nieuwe kolom in house_ads te maken met de naam 'is_correct_lang' waarvan de waarden 'Yes' zijn als 'language_displayed' gelijk is aan 'language_preferred' en anders 'No'.
Groepeer op date_served en is_correct_lang om per dag het aantal vertoonde advertenties te krijgen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)

Code bewerken en uitvoeren