开始使用免费开始使用

分析用户偏好

要衡量这个缺陷的真实影响，关键是估算在没有语言错误的情况下本应获得的订阅用户数量。这有助于判断问题的规模，并评估今后防止此类错误的重要性。

在本步骤中，您将创建一个新的 DataFrame，用于进行计算以推断预期的订阅用户数量。该 DataFrame 将按天统计每种语言的偏好用户数。有了这个 DataFrame，您就可以开始计算：如果没有发生语言缺陷，您本应获得多少订阅用户。

本练习是课程的一部分

使用 pandas 分析营销活动

查看课程

练习说明

  • 按 date_served 和 language_preferred 对 house_ads 分组。
  • 在调用 .agg() 时传入一个字典，用于计算唯一用户数量并汇总完成转化的用户数量。
  • 对 converted 进行解透视，在 level = 1 处进行 unstack。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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

# Unstack converted
converted_df = pd.DataFrame(____.____(____))
编辑并运行代码