Предобработка RFM-данных

Набор данных с рассчитанными ранее RFM-значениями загружен как datamart_rfm. Поскольку переменные имеют скошенное распределение и находятся на разных шкалах, вам нужно устранить асимметрию и нормализовать их.

Библиотека pandas загружена как pd, а numpy — как np. Уделите немного времени изучению datamart_rfm в консоли.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Примените логарифмическое преобразование, чтобы устранить асимметрию в datamart_rfm, и сохраните результат как datamart_log.
Создайте экземпляр StandardScaler() с именем scaler и обучите его на данных datamart_log.
Преобразуйте данные (data), применив масштабирование и центрирование с помощью scaler.
Создайте DataFrame pandas из datamart_normalized, добавив индексы и названия столбцов из datamart_rfm.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код