Analiza preferencji użytkowników

Aby w pełni zrozumieć skutki błędu, kluczowe jest ustalenie, ilu subskrybentów moglibyśmy się spodziewać, gdyby błąd językowy nie wystąpił. Pozwoli to ocenić skalę problemu i lepiej zrozumieć, jak ważne jest zapobieganie takim sytuacjom w przyszłości.

W tym kroku utworzysz nowy DataFrame, na którym przeprowadzisz obliczenia pozwalające wyznaczyć oczekiwaną liczbę subskrybentów. DataFrame będzie zawierać informacje o tym, ilu użytkowników preferuje dany język w poszczególnych dniach. Gdy DataFrame będzie gotowy, możesz przystąpić do szacowania liczby subskrybentów, których można było oczekiwać, gdyby błąd językowy nie wystąpił.

To ćwiczenie jest częścią kursu

Analiza kampanii marketingowych z pandas

Zobacz kurs

Instrukcje do ćwiczenia

Pogrupuj house_ads według date_served i language_preferred.
Użyj słownika wewnątrz wywołania .agg(), aby obliczyć liczbę unikalnych użytkowników i zsumować liczbę przekonwertowanych użytkowników.
Rozwiń converted na poziomie level = 1.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Group house_ads by date and language
converted = house_ads.groupby(____)\
                        .agg({'____':'____',
                              '____':'____'})

# Unstack converted
converted_df = pd.DataFrame(____.____(____))

Edytuj i uruchom kod