CH02：提供推荐

有关推荐问题：

目标输出：我想得到一个长串，里面既有与这个人评分较高（即相似度较高）的人的名字，也有他的得分，应该用Python里的什么结构？

Q：一个列表也好，一个字典也好，不定义可以直接用吗？

A：不可以。一个字符在不定义的时候可以直接用（for item in ...）并没有定义item，直接拿来用就好 item可以是数字，可以是名称字符，方便直接

但是，在用列表和字典的时候，一定要先定义一个 比如 score=【】 或者score={}

Q：如果用一个列表list []，我想添加元素 怎么加？

A：先写一个空score=【】，然后score.append（XXX），其中XXX是你想添加的东西，XXX可以也是一个列表【】，也可以是一个元组（），根据你自己而定。

Q：如果用一个字典dict{}，我想添加元素，怎么办？

A：先写一个空的字典score={},然后直接写键和键值就可以，添加key的时候记得用中括号，score【'Liza Rose'】=3.95 即可，它会自动给你一个一个添加（对么）。但是，当输出list的时候，一般情况下只能输出value，如果想把key和value同时输出，需要把它们变成一个元组tuple，然后输出（没试，待检验）

推荐系统的两种状况：

1.我是一个人，O是另外一个人

这个人和我很像，我们都给电影A打高分，都给电影B打低分。

这个人还看过【我没看过的】CDEF电影，那么，我根据这个人的口味 给我推荐电影CDEF

简化：给我推荐另一部电影

2.我是一个电影，△是另外一个电影

我们两部电影很像，有许多人，给我打高分的同时都给△打高分。

那么，看过△的（没看过本电影）的人有XYZ，我根据电影的相似度，给XYZ推荐本电影。

简化：给这部电影推荐其他的人（来看来买）

理论意义：在线零售商会收集人们的购买历史（看电影历史），找到购买某些商品（电影）的潜在客户。对于市场营销的规划，很有意义

给一个人推荐1w个电影，和把一个商品推荐给1w个人，哪个更有商业意义？显然是第二个。也就是第二个方法。

#coding=utf-8
from math import sqrt
# 定义distance，输入两个人 算出他们“共有”的某几项之间的距离
def sim_distance(prefs,person1,person2):
    si={}
    a=0
    for item in prefs[person1]:
        if item in prefs[person2]:
            si[item]=1
    if len(si)==0:
        print'no simulation'
    for item in prefs[person1]:
        if item in prefs[person2]:
            a =a + pow(prefs[person1][item]-prefs[person2][item],2)
    print 1/(1+sqrt(a))

# 定义pearson相关系数的求法 输入两个人 算出他们俩“共有”的某几项的相关系数
# 输入：数据集，第一个人（list型，电影名，打分），第二个人
# 输出：他们俩的相关系数，一个值
def sim_pearson(prefs,person1,person2):
    si = {}
    for item in prefs[person1]:
        if item in prefs[person2]:
            si[item] =1
    l=len(si)
    sum1 = sum([prefs[person1][item] for item in si]) # 求xi求和
    sum2 = sum([prefs[person2][item] for item in si]) 
    sum1sq = sum([pow(prefs[person1][item],2) for item in si]) # 求xi平方的和
    sum2sq = sum([pow(prefs[person2][item],2) for item in si])
    psum = sum([prefs[person1][item]*prefs[person2][item] for item in si]) #求xiyi乘积的和

    a = psum - (sum1*sum2/l)  #这三行是pearson相关系数的公式
    b = sqrt((sum1sq-pow(sum1,2)/l)*(sum2sq-pow(sum2,2)/l))
    r = a/b
    return r

# 为其余评论者打分，计算与某一评论者最相像的前n个人，得分可选为pearson或distance
def topMatches(prefs,person):
    scores = [] #我觉得这里变成一个字典会更好。待尝试
    for other in prefs:
        if other!=person:  #除了我要比较之外的所有人，都计算一下pearson
            scores.append([sim_pearson(prefs,person,other),other]) 
    scores.sort() #不太理解，scores是按啥排的啊？我的scores是一个二维的列表啊，按哪个维度排的
    scores.reverse()
    return scores[0:5]

#输入：数据集，待推荐的人，【使用的方法】
#输出：一个评分list：rankings，里面有电影名和电影的综合评分（）

def getRecommendations(prefs,person):
    totals={}   #需要建立一个
    simSums={}
    for other in prefs: #第一步，在数据集的人里面找其他人
        if other != person: #找到之后，找其他人里有A没看过的电影
            for item in prefs[other]:
                if item not in prefs[person] or prefs[person][item]==0:  #这地方很重要！找A没看过的电影，我最开始的想法是C语言一样写一个循环查找，殊不知Python的好处就是可以直接查找
                    totals.setdefault(item,0) #找到了这部电影，先加入total里，键是电影名，键值先设置为0
                    totals[item]+= sim_pearson(prefs,person,other)*prefs[other][item] #相关系数乘以打分
                    simSums.setdefault(item,0)
                    simSums[item]+=sim_pearson(prefs,person,other)
    rankings=[]
    for item in totals:
        rankings.append((totals[item]/simSums[item],item))
    
    rankings.sort()
    rankings.reverse()
    return rankings                    
#评价：这地方，在原代码上加了一个对相关系数的判断，小于0的不介入调查。【当然，也可以自己设定为相关性小于多少的不予判别】

#输入：一个数据集
#输出：把里面的人换为电影
def transformPrefs(prefs):
    result={}
    for person in prefs:
        for item in prefs[person]:
            result.setdefault(item,{}) #此时定义了result字典里的外层：key是项也就是电影，value是又一个字典
            result[item][person]=prefs[person][item]#在这里定义第二个字典，即result[item]里的键是person，value是prefs里两层字典的值【也就是打分】
    return result


def calculateSimilarItems(prefs):
    result={}
    itemPrefs = transformPrefs(prefs)
    for item in itemPrefs:
        scores=topMatches(itemPrefs,item)
        result[item]=scores
    return result