计算 RFM 分数
做得很好！现在请完成最后一步：根据 MonetaryValue 的百分位将客户分成3组，然后计算 RFM_Score，它等于 R、F 和 M 的和。
datamart 中已加载了您在上一个练习中创建的 R 和 F 值。
本练习是课程的一部分
Python 中的客户细分
练习说明
- 为
MonetaryValue创建标签，取值从 1 到 3 递增。 - 根据
MonetaryValue将数据划分为三个等分的百分位分组，并分配上述标签。 - 基于
MonetaryValue的百分位分组创建新列M。 - 计算
RFM_Score，其为 R、F、M 三列数值之和。
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 MonetaryValue
m_labels = range(1, ____)
# Assign these labels to three equal percentile groups
m_groups = pd.qcut(datamart['MonetaryValue'], q=____, labels=____)
# Create new column M
datamart = datamart.assign(____=____)
# Calculate RFM_Score
datamart['RFM_Score'] = datamart[['R','F','M']].____(axis=____)
print(datamart['____'].head())