基于索引创建 DataFrame
既然您已经创建了一个索引用于将英文的转化率与其他所有语言进行对比，接下来将构建一个 DataFrame，用来估算在用户被正确分配语言的情况下，每天本应达到的转化率。
系统已为您创建了一个名为 converted 的预期转化 DataFrame，它按日期和首选语言对 house_ads 进行了分组。该表包含每天、每种语言的唯一用户数以及转化次数。
例如，您可以使用 converted[('user_id','Spanish')] 获取收到 house ads 的西班牙语用户数量。
本练习是课程的一部分
使用 pandas 分析营销活动
练习说明
- 使用
.loc在converted中创建列english_conv_rate，其取值为'2018-01-11'到'2018-01-31'之间的英文转化率。 - 通过将
english_conv_rate分别乘以各语言的索引（spanish_index、arabic_index或german_index），创建每种语言的预期转化率列。 - 将每种语言的预期转化率乘以相应应当收到 house ads 的用户数量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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