Analysera användarpreferenser

För att förstå den verkliga effekten av felet är det viktigt att ta reda på hur många prenumeranter vi skulle ha förväntat oss om språkfelet aldrig hade inträffat. Det ger oss en bild av problemets omfattning och hur viktigt det är att förhindra liknande fel i framtiden.

I det här steget skapar du en ny DataFrame som du kan använda för beräkningar för att fastställa det förväntade antalet prenumeranter. DataFrame:n visar hur många användare som föredrar respektive språk, uppdelat per dag. När du har DataFrame:n kan du börja beräkna hur många prenumeranter du skulle ha förväntat dig om språkfelet inte hade uppstått.

Den här övningen är en del av kursen

Analysera marknadsföringskampanjer med pandas

Visa kurs

Övningsinstruktioner

Gruppera house_ads efter date_served och language_preferred.
Använd en ordbok i ett anrop till .agg() för att beräkna antalet unika användare och summera antalet konverterade användare.
Unstacka converted vid level = 1.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

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

Redigera och kör kod