Visualizza le variabili normalizzate
Ottimo lavoro! Ora traccerai le variabili normalizzate e rese meno asimmetriche per vedere la differenza nella distribuzione e nell’intervallo dei valori. L’insieme di dati datamart_normalized dall’esercizio precedente è già caricato.
La chiamata plt.subplot(...) prima della chiamata a seaborn permette di inserire più sottografici in un’unica figura: non devi modificarla.
Le librerie seaborn e matplotlib.pyplot sono state caricate rispettivamente come sns e plt. Sentiti libero di esplorare datamart_normalized nella console.
Questo esercizio fa parte del corso
Customer Segmentation in Python
Istruzioni dell'esercizio
- Traccia la distribuzione di
Recencynormalizzata. - Traccia la distribuzione di
Frequencynormalizzata. - Traccia la distribuzione di
MonetaryValuenormalizzata. - Mostra il grafico.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Plot recency distribution
plt.subplot(3, 1, 1); ____.distplot(____['Recency'])
# Plot frequency distribution
plt.subplot(3, 1, 2); ____.____(____['Frequency'])
# Plot monetary value distribution
plt.subplot(3, 1, 3); ____.____(____['MonetaryValue'])
# Show the plot
plt.____()