Vylepšená nepersonalizovaná doporučení

To, že film vidělo hodně lidí, ještě neznamená, že se jim líbil. Abys lépe pochopil/a, jak na diváky film skutečně zapůsobil, jsou užitečná explicitnější data. Naštěstí máš k dispozici také hodnocení od každého z diváků v datasetu Movie Lens.

V tomto cvičení zjistíš průměrné hodnocení každého filmu v datasetu a najdeš film s nejvyšším průměrným hodnocením.

Budeš pracovat se stejným DataFrame user_ratings_df jako v předchozím cvičení, který je už načtený.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů v Pythonu

Zobrazit kurz

Pokyny k cvičení

Zjisti průměrné hodnocení každého filmu a ulož ho jako DataFrame s názvem average_rating_df.
Seřaď DataFrame average_rating_df podle sloupce průměrného rating od nejvyššího po nejnižší a výsledek ulož jako sorted_average_ratings.
Vypiš záznamy pěti nejlépe hodnocených filmů z sorted_average_ratings.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Find the mean of the ratings given to each title
average_rating_df = user_ratings_df[["title", "rating"]].____('title').____()

# Order the entries by highest average rating to lowest
sorted_average_ratings = average_rating_df.____(____=____, ____=____)

# Inspect the top movies
print(____.____())

Upravit a spustit kód