利用python进行数据分析_第二章_案例2_movielens_电影评分分析

本文介绍了使用Python进行数据分析,特别是在MovieLens电影评分数据集上的应用。作者通过合并数据、按性别计算平均得分、过滤评分数量不足的电影,并进一步按年龄统计得分,探讨了男女对电影的喜好差异以及评分分歧。
摘要由CSDN通过智能技术生成

自己尝试了一下数据分析,和书里的方法不完全一样。标*的为比较好的方法。
================================================

MovieLens电影评分数据分析

In [8]:
path = 'C:\\Users\\yi&lei\\Documents\\电子书\\pydata-book-1st-edition\\pydata-book-1st-edition\\ch02\\movielens'
a = path + '\\movies.dat'
b = path + '\\ratings.dat'
c = path + '\\users.dat'
a
Out[8]:
'C:\\Users\\yi&lei\\Documents\\电子书\\pydata-book-1st-edition\\pydata-book-1st-edition\\ch02\\movielens\\movies.dat'
In [20]:
import pandas as pd
mnames = ['movieid','title','genres']
movie = pd.read_table(a,sep='::',header=None,names = mnames,engine='python')
In [21]:
movie.head()
Out[21]:
  movieid title genres
0 1 Toy Story (1995) Animation|Children's|Comedy
1 2 Jumanji (1995) Adventure|Children's|Fantasy
2 3 Grumpier Old Men (1995) Comedy|Romance
3 4 Waiting to Exhale (1995) Comedy|Drama
4 5 Father of the Bride Part II (1995) Comedy
In [17]:
unames = ['userid','gender','age','occupation','zip']
user = pd.read_table(c,sep='::',header=None,names = unames,engine='python')
user.head()
Out[17]:
  userid gender age occupation zip
0 1 F 1 10 48067
1 2 M 56 16 70072
2 3 M 25 15 55117
3 4
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值