LoslegenKostenlos loslegen

Die Empfehlungstransformation nutzen

In den letzten Übungen hast du die durchschnittliche Bewertung pro Kurs berechnet und ein paar Kursdaten bereinigt. Du wirst nun diese Daten nutzen, um brauchbare Empfehlungen für DataCamp-Lernende zu erstellen.

Zur Erinnerung, hier sind die Regeln, nach denen Empfehlungen erstellt werden:

  • Nutze die Technologie, die ein Nutzer am besten bewertet hat.
  • Schließe Kurse aus, die ein Nutzer schon bewertet hat.
  • Such die drei Kurse mit den besten Bewertungen aus den in Frage kommenden Kursen raus.

Um die endgültigen Empfehlungen zu erstellen, nutzt du die durchschnittlichen Kursbewertungen und die Liste der zulässigen Empfehlungen pro Nutzer, die unter avg_course_ratings bzw. courses_to_recommend gespeichert sind. Dazu füllst du die Funktion transform_recommendations() aus, die beide DataFrames zusammenführt und die drei bestbewerteten Kurse pro Nutzer ermittelt, die empfohlen werden sollen.

Diese Übung ist Teil des Kurses

Einführung in das Data Engineering

Kurs anzeigen

Anleitung zur Übung

  • Vervollständige die Funktion transform_recommendations():

  • Führe course_to_recommend mit avg_course_ratings zusammen.

  • Sortiere die Ergebnisse nach rating und gruppiere sie nach Benutzer-ID.

  • Zeig die ersten drei Zeilen an und sortiere sie nach Benutzer-ID.

  • Ruf die Funktion transform_recommendations() auf, die du gerade definiert hast, mit den passenden Argumenten, um Empfehlungen pro Benutzer in der Variablen recommendations zu speichern.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Complete the transformation function
def transform_recommendations(avg_course_ratings, courses_to_recommend):
    # Merge both DataFrames
    merged = courses_to_recommend.____(____) 
    # Sort values by rating and group by user_id
    grouped = merged.sort_values("____", ascending=False).groupby("____")
    # Produce the top 3 values and sort by user_id
    recommendations = grouped.head(____).sort_values("____").reset_index()
    final_recommendations = recommendations[["user_id", "course_id","rating"]]
    # Return final recommendations
    return final_recommendations

# Use the function with the predefined DataFrame objects
recommendations = ____(____, ____)
Code bearbeiten und ausführen