RFM değerlerini hesapla

Daha önce kullandığımız online veri kümesi için Recency, Frequency ve Monetary değerlerini hesapla — son 12 aylık veriler senin için yüklendi. online veri kümesinde Quantity ile UnitPrice çarpılarak hesaplanan bir TotalSum sütunu bulunuyor: online['Quantity'] * online['UnitPrice'].

Ayrıca recency hesaplamak için kullanabileceğin bir snapshot_date değişkeni oluşturduk. İstersen Konsola online veri kümesini ve snapshot_date değerini yazdırabilirsin. pandas kütüphanesi pd, datetime ise dt olarak yüklendi.

Bu egzersiz, kursun bir parçasıdır

Python ile Müşteri Segmentasyonu

Kursa Göz Atın

Egzersiz talimatları

Her müşteri için (bu sırayla) Recency, Frequency ve Monetary değerlerini hesapla.
Recency için: snapshot_date ile InvoiceDate'in max değeri arasındaki farkı hesapla.
Sütunları Recency, Frequency ve MonetaryValue olarak yeniden adlandır.
datamart veri çerçevesinin ilk 5 satırını başlıkla birlikte yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Calculate Recency, Frequency and Monetary value for each customer 
datamart = online.groupby(['CustomerID']).agg({
    'InvoiceDate': lambda x: (snapshot_date - x.____()).days,
    'InvoiceNo': '____',
    'TotalSum': '____'})

# Rename the columns 
datamart.rename(columns={'InvoiceDate': '____',
                         'InvoiceNo': '____',
                         'TotalSum': '____'}, inplace=True)

# Print top 5 rows
print(____.head())

Kodu Düzenle ve Çalıştır