RFM डेटा का प्री-प्रोसेस करें
हमने वह डेटासेट लोड कर दिया है जिसमें आपके पहले से कैलकुलेट किए गए RFM वैल्यूज़ हैं, नाम datamart_rfm। क्योंकि वैरिएबल skewed हैं और अलग-अलग स्केल पर हैं, अब आप इन्हें un-skew और normalize करेंगे.
pandas लाइब्रेरी pd के रूप में, और numpy np के रूप में लोड है। कंसोल में datamart_rfm को कुछ समय देकर explore कीजिए.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Customer Segmentation
अभ्यास निर्देश
datamart_rfmको unskew करने के लिए log transformation लगाएँ और उसेdatamart_logके रूप में स्टोर करें.StandardScaler()का एक इंस्टेंसscalerनाम से इनिशियलाइज़ करें और उसेdatamart_logडेटा पर fit करें.scalerसे डेटा को scale और center करकेdataको transform करें.- 'datamart_normalized' से एक pandas DataFrame बनाएँ और
datamart_rfmसे index और column नाम जोड़ें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Unskew the data
datamart_log = np.____(____)
# Initialize a standard scaler and fit it
scaler = ____()
scaler.____(____)
# Scale and center the data
datamart_normalized = ____.____(____)
# Create a pandas DataFrame
datamart_normalized = pd.____(data=____, index=____.index, columns=____.columns)