Анализ предпочтений пользователей

Чтобы по-настоящему оценить масштаб проблемы, вызванной ошибкой, важно определить, сколько подписчиков мы могли бы ожидать, если бы языковой ошибки не было. Это поможет понять, насколько серьёзна ситуация и почему подобных ошибок необходимо избегать в будущем.

На этом шаге вы создадите новый DataFrame, на основе которого сможете рассчитать ожидаемое количество подписчиков. В нём будет отражено, сколько пользователей предпочитают тот или иной язык — в разбивке по дням. Получив этот DataFrame, вы сможете приступить к вычислению ожидаемого числа подписчиков при условии отсутствия языковой ошибки.

Это упражнение является частью курса

Анализ маркетинговых кампаний с помощью pandas

Посмотреть курс

Инструкции к упражнению

Сгруппируйте house_ads по столбцам date_served и language_preferred.
Используйте словарь внутри вызова .agg(), чтобы подсчитать количество уникальных пользователей и сумму конвертированных пользователей.
Разверните converted на уровне level = 1 с помощью метода .unstack().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

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

Редактировать и запускать код