Створення датафрейму для house ads

Команда house ads занепокоєна, адже в останні кілька тижнів вони спостерігають різке падіння коефіцієнта конверсії. У попередніх вправах ви підтвердили зниження конверсії, помітивши закономірність, пов'язану з мовними уподобаннями.

Як дата саєнтист, ви маєте надати маркетинговим стейкхолдерам максимально конкретний відгук про те, що саме пішло не так, щоб вони могли якнайкраще виправити проблему. Важливо не просто сказати: «схоже, є мовна проблема», а чітко вказати, у чому саме вона полягає, щоб команда не повторила помилку.

Ця вправа є частиною курсу

Аналіз маркетингових кампаній у pandas

Переглянути курс

Інструкції до вправи

Використайте np.where() і створіть у house_ads новий стовпець 'is_correct_lang', у якому значення — 'Yes', якщо 'language_displayed' дорівнює 'language_preferred', і 'No' — в іншому разі.
Згрупуйте за date_served та is_correct_lang, щоб отримати щоденний підрахунок показаних оголошень.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)

Редагувати та запускати код