Impact van bug inschatten
Tijd om te berekenen hoeveel abonnees we zijn misgelopen doordat gebruikers per ongeluk Engels kregen in plaats van hun voorkeurstaal. Zodra het team een schatting heeft van de impact van deze fout, kunnen ze bepalen of extra controles de moeite waard zijn om dit in de toekomst te voorkomen—je denkt misschien: natuurlijk moet je fouten proberen te voorkomen! Daar heb je deels gelijk in, maar elke keuze die een bedrijf maakt kost werk en budget. Hoe meer informatie je team heeft, hoe beter ze deze afweging kunnen maken.
De DataFrame converted is al voor je ingeladen. Hij bevat kolommen met het verwachte aantal abonnees voor Spaans-, Arabisch- en Duitstaligen met de namen expected_spanish_conv, expected_arabic_conv en expected_german_conv.
Deze oefening maakt deel uit van de cursus
Marketingcampagnes analyseren met pandas
Oefeninstructies
- Maak de DataFrame
converteddoor met.localleen de rijen te selecteren waarvan de datum tussen'2018-01-11'en'2018-01-31'ligt. - Tel de verwachte-abonneeskolommen per taal in
convertedop en sla de resultaten op inexpected_subs. - Tel de daadwerkelijke abonnees per taal in
convertedop en sla de resultaten op inactual_subs. - Trek
actual_subsaf vanexpected_subsom te bepalen hoeveel abonnees door de bug zijn misgelopen.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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)