计算最近度与频次的 3 个分组
现在，您将按照 Recency 和 Frequency 把客户分成三个独立的分组。
数据集已加载为 datamart，您可以在控制台查看其前几行。同时，pandas 已以 pd 导入。
我们将在下一个练习中使用本题结果，届时您将基于 MonetaryValue 进行分组，并最终计算 RFM_Score。
完成后，请将结果打印到屏幕，确认四分位（分位）列已经成功创建。
本练习是课程的一部分
Python 中的客户细分
练习说明
- 为
Recency创建标签，取值从 3 到 1（递减）；为Frequency创建标签，取值从 1 到 3（递增）。 - 将这些标签分配给基于
Recency的三个等百分位分组。 - 将这些标签分配给基于
Frequency的三个等百分位分组。 - 新建分位列
R和F。
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 labels for Recency and Frequency
r_labels = range(____, 0, ____); f_labels = range(1, ____)
# Assign these labels to three equal percentile groups
r_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Assign these labels to three equal percentile groups
f_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Create new columns R and F
datamart = datamart.assign(____=____.values, ____=____.values)