Pra-proses data RFM

Kami telah memuat himpunan data dengan nilai RFM yang sebelumnya Anda hitung sebagai datamart_rfm. Karena variabelnya menceng dan berada pada skala yang berbeda, sekarang Anda akan menghilangkan kemencengan dan menormalkannya.

Pustaka pandas dimuat sebagai pd, dan numpy sebagai np. Luangkan waktu untuk mengeksplorasi datamart_rfm di konsol.

Latihan ini merupakan bagian dari kursus

Segmentasi Pelanggan dengan Python

Lihat Kursus

Instruksi latihan

Terapkan transformasi log untuk menghilangkan kemencengan pada datamart_rfm dan simpan sebagai datamart_log.
Inisialisasi instance StandardScaler() sebagai scaler dan lakukan fit pada data datamart_log.
Transformasikan data dengan penskalaan dan pemusatan menggunakan scaler.
Buat DataFrame pandas dari 'datamart_normalized' dengan menambahkan indeks dan nama kolom dari datamart_rfm.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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)

Edit dan Jalankan Kode