Оцінювання впливу бага
Пора порахувати, скільки підписників було втрачено через те, що користувачам помилково показували англійську замість їхньої бажаної мови. Коли команда матиме оцінку впливу цієї помилки, вона зможе вирішити, чи варто впроваджувати додаткові перевірки, щоб уникати такого надалі — ймовірно, ви думаєте: звісно, варто запобігати помилкам! Певною мірою це так, але кожне рішення компанії потребує зусиль і фінансування. Чим більше інформації має ваша команда, тим краще вона зможе зважити цей компроміс.
Датафрейм converted уже завантажено для вас. Він містить стовпці з очікуваною кількістю підписників для іспаномовних, арабомовних і німецькомовних користувачів під назвами expected_spanish_conv, expected_arabic_conv та expected_german_conv відповідно.
Ця вправа є частиною курсу
Аналіз маркетингових кампаній у pandas
Інструкції до вправи
- Створіть датафрейм
converted, використавши.loc, щоб вибрати лише рядки з датами між'2018-01-11'і'2018-01-31'. - Просумуйте стовпці з очікуваною кількістю підписників для кожної мови в
convertedі збережіть результати уexpected_subs. - Просумуйте фактичну кількість підписників для кожної мови в
convertedі збережіть результати вactual_subs. - Відніміть
actual_subsвідexpected_subs, щоб визначити, скільки підписників було втрачено через баг.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Use .loc to slice only the relevant dates
converted = converted.___['____':'____']
# Sum expected subscribers for each language
expected_subs = ____.sum() + ____.sum() + ____.sum()
# Calculate how many subscribers we actually got
actual_subs = ____.____ + ____.____ + ____.____
# Subtract how many subscribers we got despite the bug
lost_subs = ____
print(lost_subs)