Анализ сегментов

Отлично! Последний шаг — анализ результатов сегментации. Вы вычислите средние значения Recency, Frequency, MonetaryValue и Tenure для каждого из четырёх построенных сегментов. Уделите время их изучению и постарайтесь понять, какие группы клиентов и модели поведения они отражают.

Исходные данные RFMT доступны в переменной datamart_rfmt, а метки кластеров из предыдущего упражнения загружены в переменную cluster_labels. Библиотека pandas уже импортирована как pd.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Создайте новый DataFrame, добавив столбец с метками кластеров в datamart_rfmt.
Создайте элемент groupby по столбцу Cluster.
Вычислите средние значения RFMT и размеры сегментов для каждого значения Cluster.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create a new DataFrame by adding a cluster label column to datamart_rfmt
datamart_rfmt_k4 = datamart_rfmt.____(Cluster=____)

# Group by cluster
grouped = ____.____(['____'])

# Calculate average RFMT values and segment sizes for each cluster
grouped.____({
    'Recency': '____',
    'Frequency': '____',
    'MonetaryValue': '____',
    'Tenure': ['mean', '____']
  }).round(1)

Редактировать и запускать код