(附源码以及相关文件）基于Python的音乐推荐系统

本文是基于JupyterNotebook做的一个基于Python的音乐推荐系统

目录

1、导入库，定义了一个变量data_home，赋值为'./'

2、数据读取

3、对每一个用户分别统计他的播放总量

4、对于每一首歌分别统计他的播放总量

5、看看目前的排行情况

6、数据截取

7、数据拼接

8、数据清洗

9、基于排行榜首的推荐

10、基于歌曲相似度的推荐

11、基于矩阵分解SVD的推荐

1、导入库，定义了一个变量data_home，赋值为'./'

导入系统需要依赖的包pandas,numpy,time,sqlites

#导入库，定义了一个变量data_home，赋值为'./'
import pandas as pd
import numpy as np
import time
import sqlite3

data_home='./'

2、数据读取

      读取原始数据文件train_triplets.txt，1，2步骤的代码如下，通过numpy的read_csv方法读取data_home路径下的train_triplets.txt文件，数据文件中只需要用户，歌曲，播放量三个指标；查看数据大小规模以及各指标格式，发现数据大小为(48373586，3)，数据量为千万级别，查看info信息，占用1.1+GB内存，数据量非常庞大，查看大小以及指标代码如下

triplet_dataset=pd.read_csv(filepath_or_buffer=data_home+'train_triplets.txt',
                           sep='\t',header=None,
                           names=['user','song','play_count'])

triplet_dataset.shape
triplet_dataset.info()

输出：

triplet_dataset.head(n=10)

输出：

       数据中有用户的编号，歌曲编号，用户对该歌曲播放的次数。 有了基础数据之后，我们还可以统计出关于用户与歌曲的各项指标

3、对每一个用户分别统计他的播放总量

output_dict = {}
with open(data_home+'train_triplets.txt') as f:
    for line_number, line in enumerate(f):
        #找到当前的用户
        user = line.split('\t')[0]
        #得到其播放量数据
        play_count = int(line.split('\t')[2])
        #如果字典中已经有该用户信息，在其基础上增加当前的播放量
        if user in output_dict:
            play_count +=output_dict[user]
            output_dict.update({user:play_count})
        output_dict.update({user:play_count})
# 统计 用户-总播放量
output_list = [{'user':k,'play_count':v} for k,v in output_dict.items()]
#转换成DF格式
play_count_df = pd.DataFrame(output_list)
#排序
play_count_df = play_count_df.sort_values(by = 'play_count', ascending = False)
play_count_df.to_csv(path_or_buf='user_playcount_df.csv', index = False)

4、对于每一首歌分别统计他的播放总量

#统计方法跟上述类似
output_dict = {}
with open(data_home+'train_triplets.txt') as f:
    for line_number, line in enumerate(f):
        #找到当前歌曲
        song = line.split('\t')[1]
        #找到当前播放次数
        play_count = int(line.split('\t')[2])
        #统计每首歌曲被播放的总次数
        if song in output_dict:
            play_count +=output_dict[song]
            output_dict.update({song:play_count})
        output_dict.update({song:play_count})
output_list = [{'song':k,'play_count':v} for k,v in output_dict.items()]
#转换成df格式
song_count_df = pd.DataFrame(output_list)
song_count_df = song_count_df.sort_values(by = 'play_count', ascending = False)
song_count_df.to_csv(path_or_buf='song_playcount_df.csv',index=False) 

5、看看目前的排行情况

play_count_df=pd.read_csv(filepath_or_buffer='user_playcount_df.csv')
play_count_df.head(n=10)

 输出：

song_count_df = pd.read_csv(filepath_or_buffer='song_pl