预处理 RFM 数据
我们已经将您之前计算的 RFM 值数据集加载为 datamart_rfm。由于这些变量偏态明显且量纲不同，接下来您将对其去偏并进行标准化处理。
pandas 库已作为 pd 加载，numpy 作为 np 加载。请先在控制台中花些时间探索 datamart_rfm。
本练习是课程的一部分
Python 中的客户细分
练习说明
- 对
datamart_rfm应用对数变换以去偏，并将结果保存为datamart_log。 - 将
StandardScaler()初始化为scaler，并在datamart_log数据上拟合。 - 使用
scaler对data进行缩放与中心化转换。 - 基于 'datamart_normalized' 创建一个 pandas DataFrame，并从
datamart_rfm添加索引和列名。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)