暑期实训log7

协同过滤推荐算法实现。

已有训练好的推荐模型。模型的输入：
1、食谱id的索引（数据清洗出的新数据（约1000条）在原数据（约17万条）的索引），类型为tensor数组。
2、用户id。类型是long数组，长度等于食谱id，即一个用户id的重复。

首先获取食谱id的索引：
从数据清洗同学给的新数据中，提取出纯id的csv文件，再利用python转化为npy文件。

pdata = pd.read_csv("id.csv", header=None)
npdata = pd.DataFrame(pdata).values
npdata = npdata.ravel()  #降维[[...]]->[...]
np.save("indexT.npy", npdata)

直接转换得到的是二维numpy数组：

需要降成一维（其实就是双括号改为单括号），否则模型读取会出错。

然后已有文件recipe_index_list_new.npy：[172946]recipe在原数据中和现数据中的索引对应关系。
利用这个文件，和上面获得的清洗后的食谱id的npy文件，就可以获得模型需要的新数据的索引。

data = np.load("recipe_index_list_new.npy")
for i in npdata:
    x = np.where(data == i)
    print (x[0])