Förbered data för ormdiagrammet

Nu ska du förbereda data för ormdiagrammet. Du använder den RFM-segmenteringslösning med tre kluster som du har byggt tidigare. Du omvandlar de normaliserade RFM-data till långformat genom att "smälta" måttkolumnerna till två kolumner – en för måttets namn och en för det faktiska numeriska värdet.

De normaliserade RFM-data med tilldelade klusterbeteckningar är redan inlästa. De är laddade som en pandas DataFrame med namnet datamart_normalized. pandas är också importerat som pd.

Utforska datamart_normalized i konsolen innan du börjar övningen, så att du får en god förståelse för dess struktur!

Den här övningen är en del av kursen

Kundsegmentering i Python

Visa kurs

Övningsinstruktioner

Omvandla datamängden till långformat genom att använda funktionen melt på den normaliserade datamängden med ett återställt index.
Tilldela CustomerID och Cluster som ID-variabler.
Tilldela RFM-värden som värdevariabler.
Namnge variabeln Metric och värdet Value.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

Redigera och kör kod