根據索引建立 DataFrame
既然你已經建立了一個索引，用來比較英文的轉換率與其他所有語言，接下來你要建立一個 DataFrame，來估計在使用者被提供正確語言時，每日的轉換率應該是什麼樣子。
已為你建立一個名為 converted 的預期轉換 DataFrame，將 house_ads 依日期與偏好語言分組。它包含每日每種語言的唯一使用者數量與轉換次數。
例如，你可以用 converted[('user_id','Spanish')] 取得收到 house ads 的西班牙語使用者數量。
本練習屬於課程
使用 pandas 分析行銷活動
練習說明
- 使用
.loc在converted中建立欄位english_conv_rate，其值為'2018-01-11'到'2018-01-31'之間的英文轉換率。 - 透過將
english_conv_rate分別乘上各語言索引（spanish_index、arabic_index或german_index），為每個語言建立預期轉換率欄位。 - 將各語言的預期轉換率乘上應該收到 house ads 的使用者數。
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。
# 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