Příprava dat pro snake plot

Teď připravíš data pro snake plot. Využiješ k tomu řešení RFM segmentace se 3 clustery, které jsi vytvořil/a dříve. Normalizovaná RFM data převedeš do dlouhého formátu tak, že sloupce s metrikami "roztavíš" (melt) do dvou sloupců – jeden bude obsahovat název metriky a druhý její skutečnou číselnou hodnotu.

Normalizovaná RFM data s přiřazenými štítky clusterů jsou už načtená jako pandas DataFrame s názvem datamart_normalized. pandas je importovaný jako pd.

Než začneš, prozkoumej datamart_normalized v konzoli, abys získal/a přehled o jeho struktuře!

Toto cvičení je součástí kurzu

Segmentace zákazníků v Pythonu

Zobrazit kurz

Pokyny k cvičení

Převeď dataset do dlouhého formátu pomocí funkce melt aplikované na normalizovaný dataset s resetovaným indexem.
Jako ID proměnné nastav CustomerID a Cluster.
Jako hodnotové proměnné nastav RFM hodnoty.
Proměnnou pojmenuj Metric a hodnotu Value.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Melt the normalized dataset and reset the index
datamart_melt = pd.____(
  					____.____(), 
                        
# Assign CustomerID and Cluster as ID variables
                    ____=['____', '____'],

# Assign RFM values as value variables
                    ____=['____', '____', '____'], 
                        
# Name the variable and value
                    ____='____', ____='____'
					)

Upravit a spustit kód