Avaliando o impacto do bug

É hora de calcular quantos assinantes foram perdidos por ter servido inglês por engano em vez do idioma preferido dos usuários. Depois que a equipe tiver uma estimativa do impacto desse erro, poderá decidir se vale a pena implementar verificações adicionais para evitá-lo no futuro — você pode estar pensando: claro que vale a pena tentar prevenir erros! De certa forma, você está certo, mas toda decisão que uma empresa toma exige trabalho e investimento. Quanto mais informações sua equipe tiver, melhor poderá avaliar esse trade-off.

O DataFrame converted já foi carregado para você. Ele contém colunas de assinantes esperados para falantes de espanhol, árabe e alemão, chamadas expected_spanish_conv, expected_arabic_conv e expected_german_conv, respectivamente.

Este exercício faz parte do curso

Análise de campanhas de marketing com pandas

Ver curso

Instruções do exercício

Crie o DataFrame converted usando .loc para selecionar apenas as linhas em que a data está entre '2018-01-11' e '2018-01-31'.
Some as colunas de assinantes esperados de cada idioma em converted e armazene os resultados em expected_subs.
Some os assinantes reais de cada idioma em converted e armazene os resultados em actual_subs.
Subtraia actual_subs de expected_subs para determinar quantos assinantes foram perdidos por causa do bug.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)

Editar e executar o código