Проаналізуйте сегменти

Чудово! Останній крок — аналіз вашого рішення із сегментації. Ви проаналізуєте середні значення Recency, Frequency, MonetaryValue та Tenure для кожного з чотирьох сегментів, які ви побудували раніше. Виділіть час, щоб розібратися в них і зрозуміти, які групи клієнтів і які типи поведінки вони відображають.

Сирі дані RFMT доступні як datamart_rfmt, а мітки кластерів з попередньої вправи завантажено як cluster_labels. Ми також підключили бібліотеку pandas як pd.

Ця вправа є частиною курсу

Сегментація клієнтів у Python

Переглянути курс

Інструкції до вправи

Створіть новий датафрейм, додавши до datamart_rfmt стовпець із міткою кластера.
Створіть елемент groupby за стовпцем Cluster.
Обчисліть середні значення RFMT і розміри сегментів для кожного значення Cluster.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create a new DataFrame by adding a cluster label column to datamart_rfmt
datamart_rfmt_k4 = datamart_rfmt.____(Cluster=____)

# Group by cluster
grouped = ____.____(['____'])

# Calculate average RFMT values and segment sizes for each cluster
grouped.____({
    'Recency': '____',
    'Frequency': '____',
    'MonetaryValue': '____',
    'Tenure': ['mean', '____']
  }).round(1)

Редагувати та запускати код