Tworzenie DataFrame'u dla reklam własnych
Zespół odpowiedzialny za reklamy własne jest zaniepokojony – w ciągu ostatnich kilku tygodni współczynnik konwersji wyraźnie spadł. W poprzednich ćwiczeniach potwierdzono, że konwersja jest niższa i zauważono pewien wzorzec związany z preferencjami językowymi.
Jako analityk danych masz za zadanie dostarczyć interesariuszom marketingowym jak najbardziej konkretną informację zwrotną o tym, co poszło nie tak – tak, aby mogli skutecznie rozwiązać problem. Ważne jest, żeby nie ograniczać się do stwierdzenia „wygląda na problem z językiem", lecz dokładnie wskazać, na czym ten problem polega, żeby zespół nie powtórzył tego błędu.
To ćwiczenie jest częścią kursu
Analiza kampanii marketingowych z pandas
Instrukcje do ćwiczenia
- Użyj
np.where(), aby utworzyć nową kolumnę whouse_adso nazwie'is_correct_lang', której wartości wynoszą'Yes', gdy'language_displayed'jest równe'language_preferred', a w przeciwnym razie'No'. - Pogrupuj dane według
date_servediis_correct_lang, aby uzyskać dzienną liczbę wyświetlonych reklam.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)