python推荐系统实战_Python项目实战！分析9000部电影，打造一个简单的电影推荐系统...

不知道大家平时喜不喜欢看电影来消遣时光，我是比较喜欢看电影的。对我而言，当我看完一部电影，觉得很好看的时候，我就会寻找类似这部电影的其他电影。刚好有这么一个数据集，包含了很多部的电影，于是打算对其进行一波简单的分析并尝试建一个简单的“推荐系统”，一起来看一下吧～～

库：

Pandas,Numpy,Re

工具:

Ipython Notebook

这边插一句,小密圈曾经有一篇文章大家一起讨论了常用的5种Python开发工具,Notebook做数据分析并且记录笔记非常不错!

1.数据集

本文使用的数据集来自于https://grouplens.org/datasets/movielens/，上面有多种版本，主要区别在于数据集的大小(即收录的电影和用户信息的多少)，这里使用的是最小的一个数据集：

image

2.数据初探

数据集里包含了4个文件，本文只用到了其中的两个:电影信息movies.csv,用户对电影的评分ratings.csv,先来看看这两个文件长什么样：

import pandas as pd

movies_data=pd.read_csv('movies.csv')

ratings_data=pd.read_csv('ratings.csv')

print (movies_data)

1).看一下movies_data里的数据

image

2).看一下用户评分的数据：

image

显然，如果单纯从单个文件里来分析的话似乎得不到什么有用或者是直观的信息，但是我们可以把这两个数据帧(DataFrame)结合起来，合成新的，把用户评分和电影信息结合起来，方便我们后续的分析处理

3).合并两个数据集

"#合并

data=pd.merge(movies_data,ratings_data)

"#删除列，可写可不写，不会产生影响

data.drop('times