Calculer 3 groupes pour la récence et la fréquence
Vous allez maintenant regrouper les clients en trois groupes distincts selon Recency et Frequency.
L'ensemble de données a été chargé sous le nom datamart. Vous pouvez utiliser la console pour en afficher les premières lignes. Aussi, pandas a été chargé sous le nom pd.
Nous utiliserons le résultat de cet exercice dans le prochain, où vous regrouperez les clients selon MonetaryValue et, finalement, calculerez un RFM_Score.
Une fois terminé, affichez les résultats à l'écran pour confirmer que vous avez bien créé les colonnes de quartiles.
Cette activité fait partie du cours
Segmentation de la clientèle en Python
Instructions de l’exercice
- Créez des étiquettes pour
Recencyavec une plage décroissante de 3 à 1, et des étiquettes pourFrequencyavec une plage croissante de 1 à 3. - Assignez ces étiquettes à trois groupes de centiles égaux selon
Recency. - Assignez ces étiquettes à trois groupes de centiles égaux selon
Frequency. - Créez de nouvelles colonnes de quantiles
RetF.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)