python玩推荐算法

推荐算法是一种非常酷的技术，它能够帮助人们更快地找到自己感兴趣的东西。Python是一种非常流行的语言，在推荐算法中也是很受欢迎的。下面，我们将介绍如何使用Python玩推荐算法。

# 导入需要的库
import pandas as pd
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

# 加载数据
ratings_data = pd.read_csv("ratings.csv")
movies_data = pd.read_csv("movies.csv")

# 转换数据类型
ratings_data['userId'] = ratings_data['userId'].astype('category')
ratings_data['movieId'] = ratings_data['movieId'].astype('category')

# 合并数据集
movie_ratings = pd.merge(movies_data,ratings_data)

# 创建用户-电影矩阵
user_movie_matrix = movie_ratings.pivot_table(index='userId',columns='title',values='rating')

# 移除缺失值
user_movie_matrix = user_movie_matrix.fillna(0)

# 计算余弦相似度
user_similarity = cosine_similarity(user_movie_matrix)

# 获得用户ID
user_id = int(input("请输入用户ID: "))

# 打印该用户近邻用户
print("与该用户最相似的用户是:")
print(user_similarity[user_id-1].argsort()[:-6:-1])

以上代码实现了推荐算法中的基本步骤。具体来说，我们使用Pandas库加载并转换数据类型，创建用户-电影矩阵，并计算余弦相似度。最后，根据指定用户的ID打印出与其最相似的5个用户。

总之，Python是一种非常好的工具，可以帮助我们轻松地实现推荐算法。它非常易于使用，同时还具有强大的数据分析和机器学习功能。如果你也对这方面感兴趣，不妨动手试试！