Calcula 3 grupos para recencia y frecuencia
Ahora vas a agrupar a los clientes en tres grupos independientes según Recency y Frequency.
El conjunto de datos se ha cargado como datamart; puedes usar la consola para ver sus primeras filas. Además, pandas se ha cargado como pd.
Usaremos el resultado de este ejercicio en el siguiente, donde agruparás a los clientes según MonetaryValue y, por último, calcularás el RFM_Score.
Cuando termines, imprime los resultados en pantalla para asegurarte de que has creado correctamente las columnas de cuartil.
Este ejercicio forma parte del curso
Segmentación de clientes en Python
Instrucciones del ejercicio
- Crea etiquetas para
Recencycon un rango decreciente de 3 a 1, y etiquetas paraFrequencycon un rango creciente de 1 a 3. - Asigna estas etiquetas a tres grupos de percentiles iguales basados en
Recency. - Asigna estas etiquetas a tres grupos de percentiles iguales basados en
Frequency. - Crea nuevas columnas de cuantil
RyF.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Create labels for Recency and Frequency
r_labels = range(____, 0, ____); f_labels = range(1, ____)
# Assign these labels to three equal percentile groups
r_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Assign these labels to three equal percentile groups
f_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Create new columns R and F
datamart = datamart.assign(____=____.values, ____=____.values)