Pre-procesarea datelor RFM

Am încărcat setul de date cu valorile RFM pe care le-ai calculat anterior, sub numele datamart_rfm. Deoarece variabilele sunt asimetrice și au scări diferite, le vei corecta asimetria și le vei normaliza.

Biblioteca pandas este importată ca pd, iar numpy ca np. Explorează datamart_rfm în consolă înainte de a începe.

Acest exercițiu face parte din cursul

Segmentarea clienților în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Aplică transformarea logaritmică pentru a corecta asimetria datamart_rfm și stochează rezultatul ca datamart_log.
Inițializează o instanță StandardScaler() cu numele scaler și aplică-o pe datele din datamart_log.
Transformă datele prin scalare și centrare folosind scaler.
Creează un DataFrame pandas din datamart_normalized, adăugând numele de index și coloane preluate din datamart_rfm.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul