Создание пользовательских сегментов

Теперь ваша очередь создать пользовательскую сегментацию на основе значений RFM_Score. Вы напишете функцию для построения сегментации и применёте её к каждому клиенту.

Набор данных со значениями RFM, сегментом и оценкой RFM загружен как datamart вместе с библиотеками pandas и numpy. Не стесняйтесь изучить данные в консоли.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Создайте сегменты с названиями Top, Middle, Low. Если оценка RFM больше или равна 10, уровень должен быть «Top». Если она находится в диапазоне от 6 до 10 — «Middle», в остальных случаях — «Low».
Примените функцию rfm_level и сохраните результат в столбец RFM_Level.
Выведите первые 5 строк таблицы datamart.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Define rfm_level function
def rfm_level(df):
    if df['RFM_Score'] >= ____:
        return '____'
    elif ((df['RFM_Score'] >= ____) and (df['RFM_Score'] < ____)):
        return '____'
    else:
        return '____'

# Create a new variable RFM_Level
datamart['____'] = datamart.apply(____, axis=1)

# Print the header with top 5 rows to the console
print(datamart.____())

Редактировать и запускать код