Подготовка данных для графика-змейки

Теперь вы подготовите данные для графика-змейки. Вы будете использовать решение RFM-сегментации на 3 кластера, построенное ранее. Нормализованные RFM-данные нужно преобразовать в длинный формат, «расплавив» столбцы метрик в два столбца: один для названия метрики, другой — для её числового значения.

Нормализованные RFM-данные с уже присвоенными метками кластеров загружены в виде DataFrame pandas под именем datamart_normalized. Библиотека pandas импортирована как pd.

Прежде чем приступить к упражнению, изучите datamart_normalized в консоли, чтобы лучше понять его структуру!

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Преобразуйте набор данных в длинный формат, применив функцию melt к нормализованному набору данных со сброшенным индексом.
Укажите CustomerID и Cluster в качестве переменных-идентификаторов.
Укажите значения RFM в качестве переменных значений.
Задайте имя переменной Metric, а имя значения — Value.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

Редактировать и запускать код