Tworzenie ramki danych na podstawie indeksów
Skoro masz już gotowy indeks do porównania współczynników konwersji dla języka angielskiego z pozostałymi językami, możesz zbudować ramkę danych, która oszacuje, jakie powinny być dzienne współczynniki konwersji, gdyby użytkownicy otrzymywali treści we właściwym języku.
Przygotowano dla ciebie ramkę danych o nazwie converted, zawierającą oczekiwane konwersje. Grupuje ona house_ads według daty i preferowanego języka. Znajdziesz w niej liczbę unikalnych użytkowników oraz liczbę konwersji dla każdego języka w każdym dniu.
Na przykład liczbę użytkowników posługujących się językiem hiszpańskim, którzy otrzymali reklamy własne, możesz sprawdzić za pomocą converted[('user_id','Spanish')].
To ćwiczenie jest częścią kursu
Analiza kampanii marketingowych z pandas
Instrukcje do ćwiczenia
- Użyj
.loc, aby utworzyć kolumnęenglish_conv_ratewconvertedz angielskim współczynnikiem konwersji dla okresu od'2018-01-11'do'2018-01-31'. - Utwórz kolumny oczekiwanych konwersji dla każdego języka, mnożąc
english_conv_rateprzez odpowiedni indeks językowy (spanish_index,arabic_indexlubgerman_index). - Pomnóż oczekiwany współczynnik konwersji dla każdego języka przez liczbę użytkowników, którzy powinni byli otrzymać reklamy własne.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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