Een DataFrame maken op basis van indexen

Nu je een index hebt gemaakt om Engelse conversieratio's te vergelijken met alle andere talen, ga je een DataFrame opbouwen dat inschat wat de dagelijkse conversieratio's hadden moeten zijn als gebruikers de juiste taal te zien kregen.

Er is een verwacht conversie-DataFrame converted voor je aangemaakt, waarin house_ads per datum en voorkeurstaal is gegroepeerd. Het bevat een telling van unieke gebruikers en het aantal conversies per taal, per dag.

Je kunt bijvoorbeeld het aantal Spaanssprekende gebruikers dat house ads heeft ontvangen opvragen met converted[('user_id','Spanish')].

Deze oefening maakt deel uit van de cursus

Marketingcampagnes analyseren met pandas

Cursus bekijken

Oefeninstructies

Gebruik .loc om de kolom english_conv_rate in converted te maken met de Engelse conversieratio tussen '2018-01-11' en '2018-01-31'.
Maak verwachte conversiekolommen voor elke taal door english_conv_rate te vermenigvuldigen met elke taalindex (spanish_index, arabic_index of german_index).
Vermenigvuldig de verwachte conversieratio van elke taal met het aantal gebruikers dat house ads had moeten ontvangen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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

Code bewerken en uitvoeren