開始使用免費開始

分析使用者偏好

為了真正評估這個臭蟲的影響，關鍵在於估計如果沒有語言錯誤，原本應該會有多少訂閱者。這能幫助你掌握問題的規模，並評估未來防止此類錯誤的重要性。

在這一步，你會建立一個新的 DataFrame，方便你進行計算以推估預期的訂閱者數量。這個 DataFrame 會包含每天各語言偏好使用者的人數。有了這個 DataFrame 之後，你就能開始計算在沒有語言臭蟲發生的情況下，原本可望達成的訂閱者數。

本練習屬於課程

使用 pandas 分析行銷活動

檢視課程

練習說明

  • 以 date_served 與 language_preferred 對 house_ads 進行分組。
  • 在 .agg() 中傳入字典，計算獨特使用者數量，並彙總轉換使用者的總數。
  • 對 converted 進行 level = 1 的 unstack

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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

# Unstack converted
converted_df = pd.DataFrame(____.____(____))
編輯並執行程式碼