Bedöm buggenseffekt
Nu är det dags att beräkna hur många prenumeranter som gick förlorade på grund av att användare felaktigt fick innehåll på engelska i stället för på sitt föredragna språk. När teamet har en uppskattning av hur stor påverkan felet haft kan de avgöra om det är värt att bygga in extra kontroller för att förhindra att det händer igen – och du kanske redan tänker att det självklart är det! På ett sätt har du rätt, men varje beslut ett företag fattar kräver både tid och resurser. Ju mer information ditt team har, desto bättre kan de göra den avvägningen.
DataFrame:en converted har redan laddats in åt dig. Den innehåller kolumner med förväntade prenumeranter för spansktalande, arabisktalande och tysktalande användare, med namnen expected_spanish_conv, expected_arabic_conv respektive expected_german_conv.
Den här övningen är en del av kursen
Analysera marknadsföringskampanjer med pandas
Övningsinstruktioner
- Skapa DataFrame:en
convertedgenom att använda.locför att välja enbart rader där datumet är mellan'2018-01-11'och'2018-01-31'. - Summera kolumnerna med förväntade prenumeranter för varje språk i
convertedoch lagra resultaten iexpected_subs. - Summera de faktiska prenumeranterna för varje språk i
convertedoch lagra resultaten iactual_subs. - Subtrahera
actual_subsfrånexpected_subsför att se hur många prenumeranter som gick förlorade på grund av buggen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)