分析各细分群体

太棒了！最后一步——分析您的细分结果。您将分别计算之前构建的 4 个细分群体的 Recency、Frequency、MonetaryValue 和 Tenure 的平均值。请花点时间仔细分析，理解这些群体代表了哪类客户及其行为特征。

RFMT 原始数据为 datamart_rfmt，上一个练习得到的聚类标签为 cluster_labels。我们也已将 pandas 库以 pd 名称导入。

本练习是课程的一部分

Python 中的客户细分

查看课程

练习说明

通过向 datamart_rfmt 添加聚类标签列来创建一个新的 DataFrame。
在 Cluster 列上创建一个 groupby 对象。
分别计算每个 Cluster 的 RFMT 平均值和该细分的样本量。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码