RFM 데이터 전처리
이전에 계산한 RFM 값이 담긴 데이터셋을 datamart_rfm으로 불러왔습니다. 변수들이 왜도가 크고 서로 다른 스케일이므로, 이제 왜도를 줄이고 정규화하겠습니다.
pandas 라이브러리는 pd, numpy는 np로 로드되어 있어요. 콘솔에서 datamart_rfm을 잠시 살펴보세요.
이 연습은 강의의 일부입니다
Python을 활용한 고객 세분화
연습 안내
datamart_rfm에 로그 변환을 적용해 왜도를 줄이고, 결과를datamart_log로 저장하세요.StandardScaler()인스턴스를scaler로 초기화하고,datamart_log데이터에 대해 fit 하세요.scaler로 데이터를 스케일링하고 센터링하여data를 transform 하세요.datamart_normalized로부터 pandas DataFrame을 만들고,datamart_rfm의 인덱스와 컬럼 이름을 설정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)