Skapa en DataFrame baserad på index

Nu när du har skapat ett index för att jämföra engelska konverteringsfrekvenser med alla andra språk, ska du bygga en DataFrame som uppskattar hur dagliga konverteringsfrekvenser borde ha sett ut om användarna hade fått innehåll på rätt språk.

En förväntad konverterings-DataFrame med namnet converted har skapats åt dig. Den grupperar house_ads efter datum och föredraget språk, och innehåller ett antal unika användare samt antalet konverteringar per språk och dag.

Till exempel kan du komma åt antalet spansktalande användare som tog emot house ads med converted[('user_id','Spanish')].

Den här övningen är en del av kursen

Analysera marknadsföringskampanjer med pandas

Visa kurs

Övningsinstruktioner

Använd .loc för att skapa kolumnen english_conv_rate i converted med den engelska konverteringsfrekvensen mellan '2018-01-11' och '2018-01-31'.
Skapa förväntade konverteringskolumner för varje språk genom att multiplicera english_conv_rate med respektive språkindex (spanish_index, arabic_index eller german_index).
Multiplicera varje språks förväntade konverteringsfrekvens med antalet användare som borde ha tagit emot house ads.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create English conversion rate column for affected period
converted['english_conv_rate'] = converted.loc[____][____]/converted.loc[____][____]

# Create expected conversion rates for each language
converted['expected_spanish_rate'] = ____
converted['expected_arabic_rate'] = ____
converted['expected_german_rate'] = ____

# Multiply number of users by the expected conversion rate
converted['expected_spanish_conv'] = ____*____/100
converted['expected_arabic_conv'] = ____*____/100
converted['expected_german_conv'] = ____*____/100

Redigera och kör kod