計算 RFM 分數
做得很好！接下來完成最後一步：根據 MonetaryValue 的百分位，將顧客分成三組，然後計算 RFM_Score，也就是 R、F、M 三個值相加的總和。
datamart 已載入你在上一個練習建立的 R 與 F 值。
本練習屬於課程
Python 的客群分群
練習說明
- 為
MonetaryValue建立從 1 到 3 遞增的標籤。 - 將這些標籤指派給依
MonetaryValue劃分的三個等比例百分位群組。 - 依
MonetaryValue的百分位群組建立新的欄位M。 - 根據 R、F、M 欄位數值的總和計算
RFM_Score。
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 labels for MonetaryValue
m_labels = range(1, ____)
# Assign these labels to three equal percentile groups
m_groups = pd.qcut(datamart['MonetaryValue'], q=____, labels=____)
# Create new column M
datamart = datamart.assign(____=____)
# Calculate RFM_Score
datamart['RFM_Score'] = datamart[['R','F','M']].____(axis=____)
print(datamart['____'].head())