เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้าง DataFrame จาก index

หลังจากสร้าง index เพื่อเปรียบเทียบอัตรา Conversion ของภาษาอังกฤษกับภาษาอื่น ๆ แล้ว ตอนนี้จะสร้าง DataFrame เพื่อประมาณว่าอัตรา Conversion รายวันควรเป็นเท่าใด หากผู้ใช้ได้รับเนื้อหาในภาษาที่ถูกต้อง

ได้มีการสร้าง DataFrame ชื่อ converted ไว้ให้แล้ว โดยจัดกลุ่ม house_ads ตามวันที่และภาษาที่ผู้ใช้ต้องการ ซึ่งประกอบด้วยจำนวนผู้ใช้ที่ไม่ซ้ำกันและจำนวน Conversion สำหรับแต่ละภาษาในแต่ละวัน

ตัวอย่างเช่น สามารถเข้าถึงจำนวนผู้ใช้ที่พูดภาษาสเปนซึ่งได้รับ house ads ได้โดยใช้ converted[('user_id','Spanish')]

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

วิเคราะห์แคมเปญการตลาดด้วย pandas

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ .loc เพื่อสร้างคอลัมน์ english_conv_rate ใน converted โดยดึงอัตรา Conversion ของภาษาอังกฤษระหว่าง '2018-01-11' ถึง '2018-01-31'
  • สร้างคอลัมน์อัตรา Conversion ที่คาดหวังสำหรับแต่ละภาษา โดยนำ english_conv_rate คูณกับ index ของแต่ละภาษา (spanish_index, arabic_index หรือ german_index)
  • นำอัตรา Conversion ที่คาดหวังของแต่ละภาษาคูณกับจำนวนผู้ใช้ที่ควรได้รับ house ads

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด