评估缺陷影响

现在需要计算，因为误将用户展示为英语而非其首选语言，究竟损失了多少订阅用户。一旦团队对这一错误的影响有了估计，就能判断是否值得在未来增加额外校验来避免类似问题——您可能会想，当然应该尽力预防错误！某种程度上您是对的，但公司做出的每个选择都需要投入人力与资金。团队掌握的信息越充分，就越能权衡这种取舍。

DataFrame converted 已为您加载。它包含面向西班牙语、阿拉伯语和德语用户的预期订阅数列，分别命名为 expected_spanish_conv、expected_arabic_conv 和 expected_german_conv。

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

使用 .loc 创建 converted DataFrame，仅选择日期在 '2018-01-11' 到 '2018-01-31' 之间的行。
对 converted 中各语言的预期订阅数列求和，并将结果存入 expected_subs。
对 converted 中各语言的实际订阅数求和，并将结果存入 actual_subs。
用 expected_subs 减去 actual_subs，确定该缺陷导致损失的订阅用户数量。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码