Python数据分析案例二:分析MovieLens 1M数据集

该案例基于《利用Python进行数据分析·第2版》,详细介绍了如何读取和联合分析MovieLens数据集,重点使用pivot_table()计算男女群体对电影的平均评分,并找出评分人数超过400的电影。进一步,通过计算评分分差揭示了男性和女性观众在电影喜好上的显著分歧。
摘要由CSDN通过智能技术生成

一:介绍
该案例来自《利用Python进行数据分析·第2版》,主要对三个电影数据集文本进行分析。
二:分析流程
1:读取数据

import pandas as pd
unames = ['user_id', 'gender', 'age', 'occupation', 'zip'] 
users = pd.read_table('C:/Users/17322/Desktop/datasets/movielens/users.dat', sep='::', header=None, names=unames)
rnames = ['user_id', 'movie_id', 'rating',	'timestamp'] 
ratings = pd.read_table('C:/Users/17322/Desktop/datasets/movielens/ratings.dat', sep = '::', header=None, names=rnames) 
mnames = ['movie_id', 'title', 'genres'] 
movies = pd.read_table('C:/Users/17322/Desktop/datasets/movielens/movies.dat',sep='::',header=None,	names=mnames)

查看是否正确读入:

users[:5]

  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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