การสร้าง DataFrame สำหรับ house ads

ทีม house ads กำลังกังวลเพราะพบว่าอัตราการแปลงลดลงอย่างกะทันหันในช่วงไม่กี่สัปดาห์ที่ผ่านมา จากแบบฝึกหัดก่อนหน้า คุณได้ยืนยันแล้วว่าการแปลงลดลงจริง โดยพบรูปแบบที่เชื่อมโยงกับความชอบด้านภาษา

ในฐานะนักวิทยาศาสตร์ข้อมูล หน้าที่ของคุณคือให้ข้อมูลที่ชัดเจนและเจาะจงที่สุดแก่ผู้มีส่วนได้เสียฝ่ายการตลาด เพื่อให้พวกเขาแก้ปัญหาได้อย่างตรงจุด การบอกเพียงว่า "น่าจะมีปัญหาเรื่องภาษา" ยังไม่เพียงพอ แต่ต้องระบุให้ได้ว่าปัญหาคืออะไรกันแน่ เพื่อให้ทีมไม่ทำข้อผิดพลาดซ้ำอีก

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

วิเคราะห์แคมเปญการตลาดด้วย pandas

ดูคอร์ส

คำแนะนำการฝึกหัด

ใช้ np.where() เพื่อสร้างคอลัมน์ใหม่ใน house_ads ชื่อ 'is_correct_lang' โดยกำหนดให้มีค่าเป็น 'Yes' หาก 'language_displayed' เท่ากับ 'language_preferred' และ 'No' ในกรณีอื่น
จัดกลุ่มตาม date_served และ is_correct_lang เพื่อนับจำนวนโฆษณาที่แสดงในแต่ละวัน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด