เตรียมข้อมูลสำหรับ Snake Plot

ในแบบฝึกหัดนี้ คุณจะเตรียมข้อมูลสำหรับ Snake Plot โดยใช้ผลการแบ่งกลุ่มลูกค้า RFM แบบ 3 คลัสเตอร์ที่สร้างไว้ก่อนหน้านี้ จากนั้นแปลงข้อมูล RFM ที่ผ่านการ normalize แล้วให้อยู่ในรูปแบบ long format ด้วยการ "melt" คอลัมน์ metric ออกเป็น 2 คอลัมน์ ได้แก่ คอลัมน์ชื่อ metric และคอลัมน์ค่าตัวเลขจริง

เราได้โหลดข้อมูล RFM ที่ผ่านการ normalize พร้อมกับ label คลัสเตอร์ที่กำหนดไว้แล้ว ในรูปแบบ pandas DataFrame ชื่อ datamart_normalized และได้ import pandas ในชื่อ pd ไว้ให้เรียบร้อยแล้ว

ลองสำรวจ datamart_normalized ใน console ก่อนเริ่มทำแบบฝึกหัด เพื่อทำความเข้าใจโครงสร้างของข้อมูล!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การแบ่งกลุ่มลูกค้าด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

แปลงชุดข้อมูลให้อยู่ในรูปแบบ long format โดยใช้ฟังก์ชัน melt กับชุดข้อมูลที่ normalize แล้วพร้อมกับ reset index
กำหนด CustomerID และ Cluster เป็นตัวแปร ID
กำหนดค่า RFM เป็นตัวแปรค่า
ตั้งชื่อตัวแปรเป็น Metric และชื่อค่าเป็น Value

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

แก้ไขและรันโค้ด