日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程语言 > python >内容正文

python

电影推荐系统 python简书_电影推荐系统:TMDB 5000 Movie Dataset(一)

發布時間:2023/12/31 python 44 豆豆
生活随笔 收集整理的這篇文章主要介紹了 电影推荐系统 python简书_电影推荐系统:TMDB 5000 Movie Dataset(一) 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

image.png

一.數據集簡介

tmdb_5000_movies和tmdb_5000_credits這兩個數據集所包含的特征

tmdb_5000_movies:

homepage,id,original_title,overview,popularity,production_companies,production_countries,release_date,spoken_languages,status,tagline,vote_average

tmdb_5000_credits:

movie_id,title,cast,crew

二.對原始數據集進行預處理

import json

import pandas as pd

#load_tmdb_movies用于載入movie數據集

def load_tmdb_movies(path):

df = pd.read_csv(path)

df['release_date'] = pd.to_datetime(df['release_date']).apply(lambda x: x.date())

json_columns = ['genres', 'keywords', 'production_countries',

'production_companies', 'spoken_languages']

for column in json_columns:

df[column] = df[column].apply(json.loads)

return df

#load_tmdb_credits用于載入credits數據集

def load_tmdb_credits(path):

df = pd.read_csv(path)

json_columns = ['cast', 'crew']

for column in json_columns:

df[column] = df[column].apply(json.loads)

return df

#用于更改原始數據中的列名

TMDB_TO_IMDB_SIMPLE_EQUIVALENCIES = {

'budget': 'budget',

'genres': 'genres',

'revenue': 'gross',

'title': 'movie_title',

'runtime': 'duration',

'original_language': 'language',

'keywords': 'plot_keywords',

'vote_count': 'num_voted_users'}

#檢索函數

def safe_access(container, index_values):

result = container

try:

for idx in index_values:

result = result[idx]

return result

except IndexError or KeyError:

return pd.np.nan

#關鍵字處理函數,可以將關鍵字用"|"隔開

def pipe_flatten_names(keywords):

return '|'.join([x['name'] for x in keywords])

#對原始數據

def convert_to_original_format(movies, credits):

tmdb_movies = movies.copy()

tmdb_movies.rename(columns=TMDB_TO_IMDB_SIMPLE_EQUIVALENCIES, inplace=True)

tmdb_movies['title_year'] = pd.to_datetime(tmdb_movies['release_date']).apply(lambda x: x.year)

tmdb_movies['country'] = tmdb_movies['production_countries'].apply(lambda x: safe_access(x, [0, 'name']))

tmdb_movies['language'] = tmdb_movies['spoken_languages'].apply(lambda x: safe_access(x, [0, 'name']))

tmdb_movies['director_name'] = credits['crew'].apply(get_director)

tmdb_movies['actor_1_name'] = credits['cast'].apply(lambda x: safe_access(x, [1, 'name']))

tmdb_movies['actor_2_name'] = credits['cast'].apply(lambda x: safe_access(x, [2, 'name']))

tmdb_movies['actor_3_name'] = credits['cast'].apply(lambda x: safe_access(x, [3, 'name']))

tmdb_movies['genres'] = tmdb_movies['genres'].apply(pipe_flatten_names)

tmdb_movies['plot_keywords'] = tmdb_movies['plot_keywords'].apply(pipe_flatten_names)

return tmdb_movies

#導入必要的包

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

import seaborn as sns

import math, nltk, warnings

from nltk.corpus import wordnet

from sklearn import linear_model

from sklearn.neighbors import NearestNeighbors

from fuzzywuzzy import fuzz

from wordcloud import WordCloud, STOPWORDS

plt.rcParams["patch.force_edgecolor"] = True

plt.style.use('fivethirtyeight')

mpl.rc('patch', edgecolor = 'dimgray', linewidth=1)

from IPython.core.interactiveshell import InteractiveShell

InteractiveShell.ast_node_interactivity = "last_expr"

pd.options.display.max_columns = 50

%matplotlib inline

warnings.filterwarnings('ignore')

PS = nltk.stem.PorterStemmer()

#載入原始數據并進行預處理

credits = load_tmdb_credits("tmdb_5000_credits.csv")

movies = load_tmdb_movies("tmdb_5000_movies.csv")

df_initial = convert_to_original_format(movies, credits)

print('Shape:',df_initial.shape)

tab_info = pd.DataFrame(df_initial.dtypes).T.rename(index={0: 'column type'})

tab_info = tab_info.append(pd.DataFrame(df_initial.isnull().sum()).T.rename(index={0:'null values'}))

tab_info=tab_info.append(pd.DataFrame(df_initial.isnull().sum()/df_initial.shape[0]*100).T. rename(index={0:'null values (%)'}))

從輸出結果中可以看出df_initial的shape為(4803, 26)。另外,tab_info表示為(因為是截圖所以還有好幾列被省略了):

image.png

下一篇將會進入正式的推薦系統設計環節~

總結

以上是生活随笔為你收集整理的电影推荐系统 python简书_电影推荐系统:TMDB 5000 Movie Dataset(一)的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。