วิเคราะห์ความชอบของผู้ใช้

เพื่อทำความเข้าใจผลกระทบที่แท้จริงของบั๊กนี้ สิ่งสำคัญคือต้องประเมินว่าเราควรจะมีสมาชิกจำนวนเท่าใด หากไม่เกิดข้อผิดพลาดด้านภาษาขึ้น ข้อมูลนี้จะช่วยให้เข้าใจขนาดของปัญหา และเห็นความสำคัญของการป้องกันข้อผิดพลาดในลักษณะนี้ในอนาคต

ในขั้นตอนนี้ จะสร้าง DataFrame ใหม่เพื่อใช้คำนวณจำนวนสมาชิกที่คาดว่าควรจะได้รับ DataFrame นี้จะแสดงจำนวนผู้ใช้ที่ชอบแต่ละภาษาในแต่ละวัน เมื่อได้ DataFrame แล้ว ก็สามารถเริ่มคำนวณจำนวนสมาชิกที่ควรจะมีได้ หากไม่มีบั๊กเรื่องภาษาเกิดขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

วิเคราะห์แคมเปญการตลาดด้วย pandas

ดูคอร์ส

คำแนะนำการฝึกหัด

จัดกลุ่ม house_ads ตาม date_served และ language_preferred
ใช้ dictionary ภายใน .agg() เพื่อคำนวณจำนวนผู้ใช้ที่ไม่ซ้ำกัน และรวมจำนวนผู้ใช้ที่ทำ Conversion
Unstack converted ที่ level = 1

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

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

แก้ไขและรันโค้ด