Підготуйте дані для snake plot

Тепер ви підготуєте дані для побудови snake plot. Ви використаєте розв'язок RFM-сегментації з 3 кластерами, який ви створили раніше. Ви перетворите нормалізовані RFM-дані у «довгий» формат, «розплавивши» стовпці з метриками у два стовпці — один для назви метрики та інший для її числового значення.

Ми завантажили нормалізовані RFM-дані з уже призначеними мітками кластерів. Вони завантажені як датафрейм pandas під назвою datamart_normalized. Також pandas імпортовано як pd.

Ознайомтеся з datamart_normalized у консолі перед початком вправи, щоб добре зрозуміти його структуру!

Ця вправа є частиною курсу

Сегментація клієнтів у Python

Переглянути курс

Інструкції до вправи

Перетворіть набір даних у довгий формат, застосувавши функцію melt до нормалізованого набору з попереднім скиданням індексу.
Призначте CustomerID і Cluster як змінні-ідентифікатори (ID variables).
Призначте RFM-значення як змінні-значення (value variables).
Назвіть змінну Metric, а значення — Value.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

Редагувати та запускати код