Daten für den Snake Plot vorbereiten

Jetzt bereitest du die Daten für den Snake Plot vor. Du verwendest die RFM-Segmentierung mit 3 Clustern, die du zuvor erstellt hast. Du transformierst die normalisierten RFM-Daten in ein Long-Format, indem du die Metrikspalten in zwei Spalten „schmilzt“ – eine für den Namen der Metrik und eine weitere für den eigentlichen numerischen Wert.

Wir haben die normalisierten RFM-Daten mit bereits zugewiesenen Cluster-Labels geladen. Sie liegen als pandas DataFrame mit dem Namen datamart_normalized vor. Außerdem ist pandas als pd importiert.

Sieh dir datamart_normalized vor Beginn der Übung in der Konsole an, um ein gutes Gefühl für die Struktur zu bekommen!

Diese Übung ist Teil des Kurses

Kundensegmentierung in Python

Kurs anzeigen

Anleitung zur Übung

Transformiere den Datensatz ins Long-Format, indem du die Funktion melt auf den normalisierten Datensatz mit zurückgesetztem Index anwendest.
Weise CustomerID und Cluster als ID-Variablen zu.
Weise die RFM-Werte als Werte-Variablen zu.
Benenne die Variablen-Spalte als Metric und die Werte-Spalte als Value.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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
                    ____='____', ____='____'
					)

Code bearbeiten und ausführen