Przetwarzanie danych RFM
Wczytano zbiór danych z wartościami RFM obliczonymi wcześniej jako datamart_rfm. Ponieważ zmienne są skośne i mają różne skale, teraz je wyrównasz i znormalizujesz.
Biblioteka pandas jest załadowana jako pd, a numpy jako np. Poświęć chwilę na zapoznanie się z datamart_rfm w konsoli.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Zastosuj transformację logarytmiczną, aby usunąć skośność z
datamart_rfm, i zapisz wynik jakodatamart_log. - Utwórz instancję
StandardScaler()jakoscaleri dopasuj ją do danychdatamart_log. - Przekształć dane, skalując je i centrując za pomocą
scaler. - Utwórz ramkę danych pandas z
datamart_normalized, dodając nazwy indeksu i kolumn zdatamart_rfm.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)