阿里移动推荐算法大赛——基于用户-行为记录，即user_id - behaviour_type的数据集处理

 关于题目回顾与数据初探，可参考：天池离线赛 - 移动推荐算法（一）：题目与数据解析，本文目的是想找出数据集中用户加购物车的行为behavior_type = 3与最终的购买行为behavior_type = 4是否是强关联的，为了进行分析，我们基于原始数据集构建一个新的数据集：

act_34={<'time', 'user_id', 'item_id', 'behavior_type'>}

代码如下：

# -*- coding: UTF-8 -*-

'''
@author: csw
'''

import os
import sys
import timeit
import pandas as pd

start_time = timeit.default_timer ()

'''
生成新数据集：
df_act_34 = {<time, user_id, item_id, behavior_type = 3 or 4>}
这里我们编写.csv文件多步来处理大规模数据。
'''

batch = 0
dateparse = lambda dates: pd.datetime.strptime (dates, '%Y-%m-%d %H')
#获取指定的时间和日期。datetime(%Y,%m,%d,%H,%M,%S)
for df in pd.read_csv (open ("../fresh_comp_offline/tianchi_fresh_comp_train_user.csv", 'r'),
                       chunksize=100000):
    try:
        df_act_34 = df[df['behavior_type'].isin ([3, 4])]
        df_act_34.to_csv ('../act_34.csv',
                          columns=['time', 'user_id', 'item_id', 'behavior_type'],
                          index=False, header=False,
                          mode='a')
        batch += 1
        print ('chunk %d done.' % batch)

    except StopIteration:
        print ("finish.")
        break
#捕捉异常可以使用try/except语句。try/except语句用来检测try语句块中的错误，从而让except语句捕获异常信息并处理。

try的工作原理是，当开始一个try语句后，python就在当前程序的上下文中作标记，这样当异常出现时就可以回到这里，try子句先执行，接下来会发生什么依赖于执行时是否出现异常。

• 如果当try后的语句执行时发生异常，python就跳回到try并执行第一个匹配该异常的except子句，异常处理完毕，控制流就通过整个try语句（除非在处理异常时又引发新的异常）。
• 如果在try后的语句里发生了异常，却没有匹配的except子句，异常将被递交到上层的try，或者到程序的最上层（这样将结束程序，并打印缺省的出错信息）。
• 如果在try子句执行时没有发生异常，python将执行else语句后的语句（如果有else的话），然后控制流通过整个try语句。