原始的节目及所包含的标签类型对应的格式如下:
import pandas as pd
import numpy as np
import os
os.chdir('E:/广电大数据营销推荐项目案例/数据清洗/电视节目信息数据预处理')
tv = pd.read_csv('./wordsbag/dataprocess/data/week/mydata/data1_tv.csv',sep=',',encoding='gbk',header='infer',error_bad_lines=False)
sample = tv.head(100) #选择电视节目的前100条数据为实验的样本数据
movies = sample.filter(regex='program_title|genres_good') #只提取出节目名称和标签类型这两列数据
(m , n) = movies.shape #得到行数和列数
data_array = np.array(movies.iloc[0:m+1,:])
print(data_array)
print(type(data_array))
#按指定顺序排列所有的标签
all_labels = ['剧情', '西部', '家庭', '惊悚', '动画',
'爱情', '情色', '运动', '音乐', '灾难',
'悬疑', '儿童', '短片', '历史', '动作',
'科幻', '传记', '同性', '冒险', '歌舞',
'脱口秀', '真人秀', '新闻', '恐怖', '奇幻',
'犯罪', '喜剧', '纪录片', '战争', '古装',
'武侠', '综艺' ,'电视剧', '邵氏','电影']
labels_num = len(all_labels)
#按顺序提取所有节目的名称
all_items_name = np.array(movies.iloc[:m+1, 0])[0:]
print(all_items_name)
# 创建一个01矩阵,0表示该节目不属于该类型,1表示该节目属于该类型
data_to_be_written = []
for i in range(len(all_items_name)):
#每个节目的01行向量
vector = [0] * labels_num
labels_names = str(data_array[i][1]).split(" / ")
for j in range(len(labels_names)):
location = all_labels.index(labels_names[j])
vector[location] = 1
data_to_be_written.append(vector)
# 将01矩阵写入“备选推荐节目集及所属类型01矩阵表”
movies_mat = pd.DataFrame(data_to_be_written, index=all_items_name, columns=all_labels)
最终得到下图所有的矩阵
本实例主要参考https://blog.csdn.net/WuchangI/article/details/80160566
转自https://blog.csdn.net/WuchangI/article/details/80160566