Prepara los datos para el snake plot

Ahora vas a preparar los datos para el snake plot. Utilizarás la solución de segmentación RFM con 3 clústeres que creaste antes. Transformarás los datos RFM normalizados a un formato largo “fundiendo” las columnas de métricas en dos columnas: una para el nombre de la métrica y otra para el valor numérico.

Ya hemos cargado los datos RFM normalizados con las etiquetas de clúster asignadas. Están cargados como un DataFrame de pandas llamado datamart_normalized. Además, pandas está importado como pd.

¡Explora datamart_normalized en la consola antes de empezar el ejercicio para hacerte una buena idea de su estructura!

Este ejercicio forma parte del curso

Segmentación de clientes en Python

Ver curso

Instrucciones del ejercicio

Transforma el conjunto de datos a formato largo aplicando la función melt sobre el conjunto normalizado con el índice restablecido.
Asigna CustomerID y Cluster como variables de ID.
Asigna los valores RFM como variables de valor.
Nombra la variable como Metric y el valor como Value.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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

Editar y ejecutar código