可视化标准化后的变量
做得很好！现在，您将绘制标准化且已去偏的变量，来观察分布的差异以及取值范围。上一练习得到的数据集 datamart_normalized 已加载。
在调用 seaborn 函数之前的 plt.subplot(...) 语句用于在一张图中绘制多个子图，您无需修改它。
库 seaborn 和 matplotlib.pyplot 已分别以 sns 和 plt 名称导入。您可以在控制台中随意查看 datamart_normalized。
本练习是课程的一部分
Python 中的客户细分
练习说明
- 绘制标准化后
Recency的分布。 - 绘制标准化后
Frequency的分布。 - 绘制标准化后
MonetaryValue的分布。 - 显示图表。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot recency distribution
plt.subplot(3, 1, 1); ____.distplot(____['Recency'])
# Plot frequency distribution
plt.subplot(3, 1, 2); ____.____(____['Frequency'])
# Plot monetary value distribution
plt.subplot(3, 1, 3); ____.____(____['MonetaryValue'])
# Show the plot
plt.____()