Oblicz 3 grupy dla recency i frequency
Teraz podzielisz klientów na trzy osobne grupy na podstawie Recency i Frequency.
Zbiór danych został wczytany jako datamart – możesz użyć konsoli, aby wyświetlić pierwsze wiersze. Biblioteka pandas jest dostępna jako pd.
Wynik tego ćwiczenia wykorzystasz w następnym, gdzie pogrupujesz klientów na podstawie MonetaryValue, a następnie obliczysz RFM_Score.
Po wykonaniu zadania wyświetl wyniki na ekranie, aby upewnić się, że kolumny kwantylowe zostały poprawnie utworzone.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Utwórz etykiety dla
Recencyw zakresie malejącym od 3 do 1 oraz etykiety dlaFrequencyw zakresie rosnącym od 1 do 3. - Przypisz te etykiety do trzech równych grup percentylowych na podstawie
Recency. - Przypisz te etykiety do trzech równych grup percentylowych na podstawie
Frequency. - Utwórz nowe kolumny kwantylowe
RiF.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create labels for Recency and Frequency
r_labels = range(____, 0, ____); f_labels = range(1, ____)
# Assign these labels to three equal percentile groups
r_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Assign these labels to three equal percentile groups
f_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Create new columns R and F
datamart = datamart.assign(____=____.values, ____=____.values)