计算各属性的相对重要性
现在，您将计算每个簇内 RFM 值的相对重要性。
我们已经加载了包含原始 RFM 值的 datamart_rfm，以及包含原始 RFM 值并带有簇标签 Cluster 的 datamart_rfm_k3。pandas 库也已以 pd 的名称加载。
您可以在控制台中自由探索这些数据集。
本练习是课程的一部分
Python 中的客户细分
练习说明
- 计算每个簇的 RFM 平均值——使用
datamart_rfm_k3数据集。 - 计算整体客户群的 RFM 平均值——使用
datamart_rfm数据集。 - 计算簇的属性值相对于整体的相对重要性。
- 打印相对重要性分数，并四舍五入到 2 位小数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate average RFM values for each cluster
cluster_avg = ____.groupby(['____']).____()
# Calculate average RFM values for the total customer population
population_avg = ____.____()
# Calculate relative importance of cluster's attribute value compared to population
relative_imp = ____ / ____ - ____
# Print relative importance scores rounded to 2 decimals
print(relative_imp.____(____))