分析分群結果
太棒了！最後一步——分析你的分群解法。你將針對先前建立的 4 個分群，分析各群的 Recency、Frequency、MonetaryValue 與 Tenure 的平均值。花點時間觀察數值，並理解它們代表的是哪些顧客族群與行為模式。
RFMT 的原始資料為 datamart_rfmt，上一個練習得到的叢集標籤已載入為 cluster_labels。我們也已將 pandas 函式庫以 pd 名稱載入。
本練習屬於課程
Python 的客群分群
練習說明
- 在
datamart_rfmt新增一個叢集標籤欄位，建立新的 DataFrame。 - 以
Cluster欄位建立groupby物件。 - 針對每個
Cluster值計算 RFMT 的平均值，以及各分群的樣本數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)