协同过滤算法的一些报错及python函数学习

1.cannot import name ‘jaccard_similarity_score‘

这个是因为新的scikit-learn不再自动修改语法。通过路径找到存放jaccard的py文件，发现其中的jaccard函数名称为jaccard_score
将jaccard_similarity_score 改为 jaccard_score即可
参考：https://blog.csdn.net/m0_59324917/article/details/124731395

2. ‘DataFrame’ object has no attribute ‘dtype’

user_similar = 1 - pairwise_distances(df, metric="jaccard")

报错： ‘DataFrame’ object has no attribute ‘dtype’
原因：df是DataFrame类型，这种类型没有dtype属性。dtype是numpy里的，可以将df改为numpy里的ndarray类型，即将df 改为df.values即可

user_similar = 1 - pairwise_distances(df.values, metric="jaccard")

这里运行后可能会有一个警告：

DataConversionWarning: Data was converted to boolean for metric jaccard
  warnings.warn(msg, DataConversionWarning)

这里参考：https://blog.csdn.net/zimiao552147572/article/details/106523212

警告：DataConversionWarning: Data was converted to boolean for metric jaccard。warnings.warn(msg, DataConversionWarning)
解释：DataConversionWarning:数据已转换为度量jaccard的布尔值警告.warn（消息，数据转换警告）
解决：设置dtype=bool，比如 df = pd.DataFrame(datasets, columns=items, index=users, dtype=bool)

这里就会将数值变成布尔类型，当然，结果需要数值的话就不加，这个警告不影响后面程序的运行。

3.sort_values()

sort_values介绍

sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)

①axis 如果axis=0，那么by=“列名”； 如果axis=1，那么by=“行名”；
②ascending: True则升序，可以是[True,False]，即第一字段升序，第二个降序
③inplace: 是否用排序后的数据框替换现有的数据框 ，True,或者False
④kind: 排序方法
⑤na_position : {‘first’, ‘last’}, default ‘last’，默认缺失值排在最后面

4.sort_index()

df. sort_index() 查看按照轴排序的数据。可以完成和 df. sort_values() 完全相同的功能，但python更推荐用只用df. sort_index()对“根据行标签”和“根据列标签”排序，其他排序方式推荐用df.sort_values()。
更详细：sort_index()介绍

5.df.ix[];DataFrame‘ object has no attribute ‘ix‘错误

修改df指定位置的值
修改df指定位置的值，例如，将第a列值为6时，c列的值加上20，即：

参考：pandas dataframe df.at、 df.ix、df.loc等用法
当不修饰时，和df.loc的作用类似，可以用来选择列。

DataFrame‘ object has no attribute ‘ix‘报错，这是因为pandas版本0.20.0及其以后版本中，ix已经不被推荐使用。
解决办法：使用loc和iloc替换，可参考博文：AttributeError: ‘DataFrame‘ object has no attribute ‘ix‘解决办法
试了一下，直接把ix换成loc就可以了。

6.union()用法

1.本题考查的知识点是：union()方法。union() 方法的工作原理是：返回多个集合（集合的数量大于等于2）的并集，即结果集合包含了所有被合并集合中的所有元素。因为集合中的元素不可重复，所以各个集合中重复的元素在结果集合中只会出现一次。

2.union()方法的语法是：set0.union(set1[,set2,…,setN])，set0和set1是必需出现的，setN都是要被合并的集合；[]表示可选参数（非必须参数），即set2,…,setN可以有，也可以没有，他们也是要被合并的集合，使用逗号隔开。

3.union()方法的返回结果是一个新集合：通常写作：result=x.union(y,z)，表示将x，y，z三个集合求并集，返回一个新集合赋值给result。本题中：“a”和“d”为三个集合中的重复元素，所以结果集合result为：{“a”, “b”, “c”，“d”}，其中集合中的元素是无序的，可以理解为集合中的元素的排序是随机的。
参考：Python中集合的union()方法

7.items()

d.items()或者list(d.items())返回的是以元组类型表示的键值对，
且键值之间用的是逗号而不是分号，
且键值之间用的是逗号而不是分号，
且键值之间用的是逗号而不是分号，
这就是为什么要把ls再用for循环重写一遍的原因。
参考博文：Python字典操作方法–items（）

8.set()用法

set顾名思义是集合，里面不能包含重复的元素，接收一个list作为参数
set还可以像数学上那样求交集和并集

list1=['a','b','zhang','kang']
list2=['a','b','c','d']
s1=set(list1)
s2=set(list2)
#交集，使用&操作符
s3=s1&s2
#并集，使用|操作符
s4=s1|s2
print(s3)
print(s4)

输出:
set(['a', 'b'])
set(['a', 'c', 'b', 'd', 'zhang', 'kang'])

参考：python中set()函数的用法