Calculer 3 groupes pour l’ancienneté et la fréquence
Vous allez maintenant regrouper les clients en trois groupes distincts selon Recency et Frequency.
Le jeu de données a été chargé sous le nom datamart. Vous pouvez utiliser la console pour en afficher les premières lignes. De plus, pandas a été importé sous pd.
Nous utiliserons le résultat de cet exercice dans le suivant, où vous regrouperez les clients selon MonetaryValue et calculerez enfin un RFM_Score.
Une fois terminé, affichez les résultats à l’écran pour vérifier que vous avez bien créé les colonnes de quartiles.
Cet exercice fait partie du cours
Customer Segmentation in Python
Instructions
- Créez des étiquettes pour
Recencyavec une plage décroissante de 3 à 1, et des étiquettes pourFrequencyavec une plage croissante de 1 à 3. - Attribuez ces étiquettes à trois groupes de percentiles égaux basés sur
Recency. - Attribuez ces étiquettes à trois groupes de percentiles égaux basés sur
Frequency. - Créez de nouvelles colonnes de quantiles
RetF.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)