Przypisywanie etykiet do surowych danych
Teraz przeanalizujesz średnie wartości RFM trzech klastrów utworzonych w poprzednim ćwiczeniu. Surowy zbiór danych RFM jest dostępny jako datamart_rfm, a etykiety klastrów – jako cluster_labels. Biblioteka pandas jest dostępna jako pd.
Możesz swobodnie eksplorować dane w konsoli.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Utwórz nową ramkę danych, dodając kolumnę z etykietą klastra do
datamart_rfm. - Utwórz element
groupbyna kolumnieCluster. - Oblicz średnie wartości RFM oraz rozmiary segmentów dla każdej wartości
Cluster.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create a DataFrame by adding a new cluster label column
datamart_rfm_k3 = datamart_rfm.____(Cluster=cluster_labels)
# Group the data by cluster
grouped = ____.____(['____'])
# Calculate average RFM values and segment sizes per cluster value
grouped.____({
'Recency': '____',
'Frequency': '____',
'MonetaryValue': ['____', '____']
}).round(1)