Аналіз уподобань користувачів

Щоб зрозуміти справжній вплив збою, важливо визначити, скільки передплатників ми очікували б за відсутності мовної помилки. Це потрібно, щоб оцінити масштаб проблеми та зрозуміти, наскільки важливо запобігати таким помилкам у майбутньому.

На цьому етапі ви створите новий датафрейм, з яким зможете виконувати обчислення, щоб визначити очікувану кількість передплатників. У цьому датафреймі буде відображено, скільки користувачів надають перевагу кожній мові щодня. Після того як ви отримаєте датафрейм, можна починати обчислювати, скільки передплатників ви очікували б, якби мовного збою не сталося.

Ця вправа є частиною курсу

Аналіз маркетингових кампаній у pandas

Переглянути курс

Інструкції до вправи

Згрупуйте house_ads за date_served та language_preferred.
Використайте словник у виклику .agg(), щоб порахувати кількість унікальних користувачів і підсумувати кількість конвертованих користувачів.
Застосуйте unstack до converted з параметром level = 1

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

Редагувати та запускати код