Ocena wpływu błędu
Czas obliczyć, ilu subskrybentów stracono w wyniku błędnego wyświetlania treści w języku angielskim zamiast w języku preferowanym przez użytkowników. Gdy zespół oszacuje skalę problemu, będzie mógł zdecydować, czy warto wdrożyć dodatkowe zabezpieczenia na przyszłość – być może już teraz myślisz, że oczywiście warto! W pewnym sensie masz rację, ale każda decyzja firmy wiąże się z nakładem pracy i kosztami. Im więcej informacji ma twój zespół, tym lepiej będzie w stanie ocenić ten kompromis.
DataFrame converted jest już wczytany. Zawiera kolumny z oczekiwaną liczbą subskrybentów dla osób mówiących po hiszpańsku, arabsku i niemiecku – odpowiednio: expected_spanish_conv, expected_arabic_conv i expected_german_conv.
To ćwiczenie jest częścią kursu
Analiza kampanii marketingowych z pandas
Instrukcje do ćwiczenia
- Utwórz DataFrame
converted, używając.loc, aby wybrać tylko wiersze z datami między'2018-01-11'a'2018-01-31'. - Zsumuj kolumny z oczekiwaną liczbą subskrybentów dla każdego języka w
convertedi zapisz wyniki wexpected_subs. - Zsumuj rzeczywistą liczbę subskrybentów dla każdego języka w
convertedi zapisz wyniki wactual_subs. - Odejmij
actual_subsodexpected_subs, aby ustalić, ilu subskrybentów stracono w wyniku błędu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)