下载数据集:
Index of /datasets/movielensfiles.grouplens.org我下载的是ml-100k.zip文件进行数据分析和演示。
解压后,先看readme文件。
![8acaffe8f639e936d9c73b30c1d2aeaa.png](https://img-blog.csdnimg.cn/img_convert/8acaffe8f639e936d9c73b30c1d2aeaa.png)
交代了这个数据集是谁收集的,主要数据有哪些。
![4db1e9f01fea9484bb4d2a957525003f.png](https://img-blog.csdnimg.cn/img_convert/4db1e9f01fea9484bb4d2a957525003f.png)
交代了每个数据文件的内容,字段,是如何分隔字段的。
我们想要做的是分析男女对电影打分的差异性,即是否男性打分会偏低,女性打分会偏高。
我们需要的数据包括:性别(gender)、评分(rating)等字段,分布在u.user和u.data文件中。可以通过user.id字段将两个文件的数据连接起来。
u.data文件如下,可以看到,没有字段名~数据是以tab键分隔的。
![2d249ad2a2cdec88e51155db952af292.png](https://img-blog.csdnimg.cn/img_convert/2d249ad2a2cdec88e51155db952af292.png)
u.user文件如下:没有字段名~并且数据是以|分隔的。
![35dd9d8a581194763fde49fbb0b0c869.png](https://img-blog.csdnimg.cn/img_convert/35dd9d8a581194763fde49fbb0b0c869.png)
第一步:读入数据
![358779620ea732999a7a8f878e4c2894.png](https://img-blog.csdnimg.cn/img_convert/358779620ea732999a7a8f878e4c2894.png)
注释:pandas库中的read_csv()函数不仅可以读取csv文件,还可以读取任意可以用记事本打开的文本文件,对于不是csv的文件,需要手动指出分隔符,即sep参数。
读入数据如下: