Skapa en DataFrame för husannonser

Teamet bakom husannonserna är oroligt eftersom de sett sin konverteringsgrad sjunka kraftigt de senaste veckorna. I de föregående övningarna bekräftade du att konverteringen minskat, och du identifierade ett mönster kopplat till språkpreferenser.

Som datascientist är det din uppgift att ge dina marknadsföringsintressenter så specifik återkoppling som möjligt om vad som gick fel – för att göra det lättare att åtgärda problemet. Det räcker inte att säga "det verkar vara ett språkproblem". Du behöver identifiera exakt vad problemet är, så att teamet undviker att upprepa misstaget.

Den här övningen är en del av kursen

Analysera marknadsföringskampanjer med pandas

Visa kurs

Övningsinstruktioner

Använd np.where() för att skapa en ny kolumn i house_ads med namnet 'is_correct_lang', vars värden ska vara 'Yes' om 'language_displayed' är lika med 'language_preferred', och 'No' annars.
Gruppera efter date_served och is_correct_lang för att få ett dagligt antal visade annonser.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Add the new column is_correct_lang
house_ads['is_correct_lang'] = np.____(
    house_ads['____'] == house_ads['____'], 
    '____', 
    '____')

# Groupby date_served and correct_language
language_check = house_ads.____(____)['____'].____()

# Unstack language_check and fill missing values with 0's
language_check_df = pd.DataFrame(language_check.unstack(level=1)).fillna(0)

# Print results
print(language_check_df)

Redigera och kör kod