Przygotowanie danych do wykresu wężowego

Teraz przygotujesz dane do wykresu wężowego. Skorzystasz z rozwiązania segmentacji RFM na 3 klastry, które wcześniej zbudowano. Przekształcisz znormalizowane dane RFM do formatu długiego, „topiąc" kolumny metryk w dwie kolumny – jedną z nazwą metryki i drugą z jej wartością liczbową.

Znormalizowane dane RFM z przypisanymi etykietami klastrów zostały już wczytane jako ramka danych pandas o nazwie datamart_normalized. Biblioteka pandas jest zaimportowana jako pd.

Zanim zaczniesz ćwiczenie, przejrzyj datamart_normalized w konsoli, żeby dobrze poznać strukturę tych danych!

To ćwiczenie jest częścią kursu

Segmentacja klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przekształć zbiór danych do formatu długiego, stosując funkcję melt na znormalizowanym zbiorze danych z zresetowanym indeksem.
Przypisz CustomerID i Cluster jako zmienne identyfikujące.
Przypisz wartości RFM jako zmienne wartości.
Nazwij zmienną Metric, a wartość Value.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Melt the normalized dataset and reset the index
datamart_melt = pd.____(
  					____.____(), 
                        
# Assign CustomerID and Cluster as ID variables
                    ____=['____', '____'],

# Assign RFM values as value variables
                    ____=['____', '____', '____'], 
                        
# Name the variable and value
                    ____='____', ____='____'
					)

Edytuj i uruchom kod