Crea tus primeras recomendaciones de películas
Ahora que has encontrado las películas que más suelen verse juntas, ¡ya puedes crear tus primeras recomendaciones!
Aunque no estés utilizando información sobre la persona que ve la película, y ni siquiera sepas detalles sobre la propia película, aún puedes hacer recomendaciones útiles analizando qué grupos de películas ven las mismas personas.
En este ejercicio, vas a examinar las películas que suelen ver las mismas personas que vieron Thor, y usarás esos datos para recomendar algo a alguien que acaba de verla.
El DataFrame que generaste en la última lección, combination_counts_df, que contiene recuentos de cuántas veces se ven las películas juntas, ya se ha cargado por ti.
Este ejercicio forma parte del curso
Creación de motores de recomendación en Python
Instrucciones del ejercicio
- Ordena el objeto
combination_counts_dfde mayor a menor por la columnasize. - Obtén las nuevas frecuencias de películas para
Thorfiltrando elcombination_counts_dfordenado dondemovie_aseaThor, asígnalas athor_dfy representa los resultados.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
import matplotlib.pyplot as plt
# Sort the counts from highest to lowest
combination_counts_df.____('size', ascending=____, inplace=____)
# Find the movies most frequently watched by people who watched Thor
thor_df = ____[____['movie_a'] ____ 'Thor']
# Plot the results
thor_df.plot.bar(x="movie_b")
plt.show()