MulaiMulai sekarang secara gratis

Mengkueri rekomendasi

Pada latihan sebelumnya, Anda telah mempelajari cara menghitung tabel rekomendasi kursus secara harian. Kini setelah tabel recommendations berada di data warehouse, Anda juga dapat dengan cepat melakukan join dengan tabel lain untuk menghasilkan fitur penting bagi siswa DataCamp seperti email pemasaran yang dipersonalisasi, rekomendasi cerdas untuk siswa, dan fitur lainnya.

Dalam latihan ini, Anda akan merasakan bagaimana tabel recommendations yang baru dibuat dapat dimanfaatkan dengan membuat fungsi recommendations_for_user() yang secara otomatis mengambil kursus teratas yang direkomendasikan berdasarkan ID pengguna untuk ambang penilaian tertentu.

Latihan ini adalah bagian dari kursus

Pengantar Data Engineering

Lihat Kursus

Petunjuk latihan

  • Lengkapi kueri dalam definisi fungsi recommendations_for_user(). Kueri tersebut harus melakukan join dengan tabel courses.
  • Lengkapi fungsi read_sql() di recommendations_for_user(). Argumen params belum lengkap: ambang batas (threshold) masih belum ada.
  • Jalankan fungsi recommendations_for_user() yang Anda definisikan pada pernyataan terakhir dan amati hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

def recommendations_for_user(user_id, threshold=4.5):
    # Join with the courses table
    query = """
    SELECT title, rating FROM recommendations
    INNER JOIN ____ ON courses.course_id = recommendations.course_id
    WHERE user_id=%(user_id)s AND rating>%(threshold)s
    ORDER BY rating DESC
    """
    # Add the threshold parameter
    predictions_df = pd.read_sql(query, db_engine, params = {"user_id": user_id, 
                                                             "____": ____})
    return predictions_df.title.values

# Try the function you created
print(recommendations_for_user(12, 4.65))
Edit dan Jalankan Kode