前處理 RFM 資料
我們已經載入你先前計算的 RFM 值資料集為 datamart_rfm。由於這些變數偏態嚴重且量尺不同，接下來你會先去偏（un-skew），再正規化它們。
pandas 已以 pd 載入，numpy 已以 np 載入。請先在主控台探索一下 datamart_rfm。
本練習屬於課程
Python 的客群分群
練習說明
- 對
datamart_rfm套用對數轉換以去偏，並將結果存為datamart_log。 - 初始化一個
StandardScaler()實例為scaler，並以datamart_log的資料來擬合。 - 使用
scaler對data進行縮放與中心化轉換。 - 從 'datamart_normalized' 建立一個 pandas DataFrame，並將
datamart_rfm的索引與欄名加入其中。
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。
# 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)