Попередня обробка даних RFM

Ми завантажили набір даних із RFM-значеннями, які ви раніше обчислили, як datamart_rfm. Оскільки змінні мають перекіс розподілу та різні шкали, тепер ви приберете перекіс і нормалізуєте їх.

Бібліотеку pandas завантажено як pd, а numpy — як np. Приділіть трохи часу, щоб дослідити datamart_rfm у консолі.

Ця вправа є частиною курсу

Сегментація клієнтів у Python

Переглянути курс

Інструкції до вправи

Застосуйте логарифмічне перетворення, щоб прибрати перекіс у datamart_rfm, і збережіть результат як datamart_log.
Ініціалізуйте екземпляр StandardScaler() як scaler і підженіть його на даних datamart_log.
Трансформуйте data, виконавши масштабування та центрування за допомогою scaler.
Створіть pandas DataFrame з 'datamart_normalized', додавши індекс і назви стовпців із datamart_rfm.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Unskew the data
datamart_log = np.____(____)

# Initialize a standard scaler and fit it
scaler = ____()
scaler.____(____)

# Scale and center the data
datamart_normalized = ____.____(____)

# Create a pandas DataFrame
datamart_normalized = pd.____(data=____, index=____.index, columns=____.columns)

Редагувати та запускати код