Pre-elabora i dati RFM
Abbiamo caricato l'insieme di dati con i valori RFM che hai calcolato in precedenza come datamart_rfm. Poiché le variabili sono asimmetriche e su scale diverse, ora le renderai più simmetriche e le normalizzerai.
La libreria pandas è caricata come pd e numpy come np. Prenditi un momento per esplorare datamart_rfm nella console.
Questo esercizio fa parte del corso
Customer Segmentation in Python
Istruzioni dell'esercizio
- Applica la trasformazione log per ridurre l'asimmetria di
datamart_rfme salvala comedatamart_log. - Inizializza un'istanza di
StandardScaler()comescalered esegui il fit sui dati didatamart_log. - Trasforma i
dataeffettuando scaling e centering conscaler. - Crea un DataFrame pandas da 'datamart_normalized' aggiungendo
indexe nomi delle colonne dadatamart_rfm.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)