Python学习-Python大作业电影推荐系统.pdf

精品课程 中国IT职业教育领先品牌 全程面授 Python 学习-Python 大作业电影推荐系统 电影推荐系统 推荐系统的文献汗牛充栋，大家对此应该都不陌生。之所以选这个题目一是简单，在一周多 晚上十点以后的自由时间里，只有选简单的题目才能完成，即便如此，依然捉襟见肘；二是 希望好好研究下数据，一步步推到推荐系统的设计，而不是像以前直奔算法，当然也是时间 原因，这里对数据的探索也是远远不够的。 本文前面探索阶段所用的数据集太大，导致多个分析运行一天也出不了结果，所以后面在推 荐系统的建模中，又换成了较小的 MovieLens 1M 数据集。 import pandas as pdimport numpy as npimport datetime %matplotlib inlineimport matplotlib.pyplot as plt 数据探索 在数据探索阶段，刚开始是漫无目的的，跟着感觉走，对数据哪一块感兴趣就统计下，排个 序，画个图，这样慢慢就对数据熟悉起来，熟悉之后再来考虑如何利用用户历史行为数据来 做推荐。 读取数据 读取评分数据： ratings = pd.read_csv(./ml-latest/ratings.csv, header=0) ratings.head() ratings[timestamp]=ratings.timestamp.map(datetime.datetime.utcfromtimestamp) # 时间格式 转换 ratings.head() userIdmovieIdratingtimestamp 011692.52008-03-07 22:08:14 千锋教育 精品课程 中国IT职业教育领先品牌 全程面授 1124713.02008-03-07 22:03:58 02008-03-07 22:03:55 3225713.52015-07-06 06:50:33 421094874.02015-07-06 06:51:36 ratings.count() userIdovieIdatingimestamptype: int64 读取电影信息数据： movies = pd.read_csv(./ml-latest/movies.csv, header=0) movies.head() movies = movies.set_index(movieId)movies.head() movies.count() title 34208genres 34208dtype: int64 该数据集包含了对 34208 部电影的个评分数据。 流行度调查 moviefreq = ratings.movieId.value_counts() # 统计每部电影的评分人数，可看出电影的流行程 度，默认是降序排列moviefreq.count() 33670 sorted_byfreq = movies.loc[moviefreq.index] # 根据频次大小依次取电影信息 sorted_byfreq[ranking]=range(moviefreq.count()) # 加上排名sorted_byfreq[freq]=moviefreq # 加上频次sorted_byfreq.iloc[0:10] # 前十大流行电影 千锋教育