Prepare os dados para o snake plot

Agora você vai preparar os dados para o snake plot. Você usará a solução de segmentação RFM com 3 clusters que construiu anteriormente. Você vai transformar os dados RFM normalizados em um formato longo, “derretendo” as colunas de métricas em duas colunas — uma para o nome da métrica e outra para o valor numérico.

Carregamos os dados RFM normalizados com os rótulos de cluster já atribuídos. Eles estão em um DataFrame do pandas chamado datamart_normalized. Além disso, pandas já foi importado como pd.

Explore o datamart_normalized no console antes de começar o exercício para entender bem a sua estrutura!

Este exercício faz parte do curso

Segmentação de Clientes em Python

Ver curso

Instruções do exercício

Transforme o conjunto de dados para o formato longo aplicando a função melt ao conjunto normalizado com o índice redefinido.
Defina CustomerID e Cluster como variáveis de ID.
Defina os valores de RFM como variáveis de valor.
Nomeie a variável como Metric e o valor como Value.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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
                    ____='____', ____='____'
					)

Editar e executar o código