推荐系统实践学习笔记（二）：代码实现

写在前面：今天基于Movielens数据集把《推荐系统实践》上的部分算法实现了一下，顺便巩固python和pandas库的使用，发现书本上的代码有很多不靠谱之处（也许是我水平不够），所以基本都是自己写的，不当之处，还望指正。

读取Movielens数据集

Movielens数据集有几种不同规模的，我选择的是1M-DataSet，大约包含6000多个用户对4000多部电影的一百万条评分记录，下载地址：MovieLens|GroupLens
数据集中有三个.dat文件，分别是users、movies、ratings，用Sublime Text2打开文件并观察。

users.dat

movies.dat

ratings.dat
三个文件都是用”::”分隔的表格形式文件，查看说明文档发现各列代表的信息分别如下：
users.dat：UserID::Gender::Age::Occupation::Zip-code
movies.dat：MovieID::Title::Genres
ratings.dat：UserID::MovieID::Rating::Timestamp
使用pandas库中的read_table函数读取文件，并用merge函数将三个表格合并，保存为.csv格式的文件。

    unames=['user_id','gender','age','occupation',