評估錯誤的影響
現在要來計算，因為誤把介面顯示為英文而非使用者偏好語言，究竟流失了多少訂閱者。團隊一旦有了這個錯誤的影響估計值，就能判斷是否值得在未來加入更多檢查來避免同樣問題——你可能會想：「當然值得努力避免錯誤！」某種程度上你是對的，不過公司做的每個選擇都需要投入人力與經費。團隊掌握的資訊越多，就越能評估這種權衡。
converted 這個 DataFrame 已為你載入。它包含西班牙文、阿拉伯文與德文使用者的預期訂閱者欄位，分別命名為 expected_spanish_conv、expected_arabic_conv 與 expected_german_conv。
本練習屬於課程
使用 pandas 分析行銷活動
練習說明
- 使用
.loc建立convertedDataFrame，只選取日期介於'2018-01-11'到'2018-01-31'的列。 - 對
converted中各語言的預期訂閱者欄位加總，將結果存為expected_subs。 - 對
converted中各語言的實際訂閱者加總，將結果存為actual_subs。 - 以
expected_subs減去actual_subs，計算因錯誤而流失的訂閱者數量。
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。
# 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)