Beräkna 3 grupper för recency och frequency

Nu ska du dela in kunderna i tre separata grupper baserade på Recency och Frequency.

Datamängden har laddats in som datamart – du kan använda konsolen för att visa de översta raderna. pandas har också laddats in som pd.

Resultatet från den här övningen används i nästa övning, där du grupperar kunder baserat på MonetaryValue och slutligen beräknar ett RFM_Score.

När du är klar, skriv ut resultaten på skärmen för att kontrollera att kvartilkolumnerna har skapats korrekt.

Den här övningen är en del av kursen

Kundsegmentering i Python

Visa kurs

Övningsinstruktioner

Skapa etiketter för Recency med ett fallande intervall från 3 till 1, och etiketter för Frequency med ett stigande intervall från 1 till 3.
Tilldela dessa etiketter till tre lika stora percentilgrupper baserade på Recency.
Tilldela dessa etiketter till tre lika stora percentilgrupper baserade på Frequency.
Skapa de nya kvantilkolumnerna R och F.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create labels for Recency and Frequency
r_labels = range(____, 0, ____); f_labels = range(1, ____)

# Assign these labels to three equal percentile groups 
r_groups = pd.qcut(datamart['____'], q=____, labels=____)

# Assign these labels to three equal percentile groups 
f_groups = pd.qcut(datamart['____'], q=____, labels=____)

# Create new columns R and F 
datamart = datamart.assign(____=____.values, ____=____.values)

Redigera och kör kod