MulaiMulai sekarang secara gratis

Menggunakan transformasi rekomendasi

Dalam beberapa latihan terakhir, Anda menghitung rating rata-rata per kursus dan membersihkan sebagian data kursus. Anda akan menggunakan data ini untuk menghasilkan rekomendasi yang relevan bagi pelajar DataCamp.

Sebagai pengingat, berikut aturan keputusan untuk membuat rekomendasi:

  • Gunakan teknologi yang paling sering diberi rating oleh seorang pelajar.
  • Kecualikan kursus yang sudah pernah diberi rating oleh pelajar tersebut.
  • Temukan tiga kursus dengan rating tertinggi dari kursus yang memenuhi syarat.

Untuk menghasilkan rekomendasi akhir, Anda akan menggunakan rating rata-rata per kursus dan daftar rekomendasi yang memenuhi syarat per pengguna, masing-masing disimpan dalam avg_course_ratings dan courses_to_recommend. Anda akan melakukannya dengan melengkapi fungsi transform_recommendations() yang menggabungkan kedua DataFrame dan menemukan 3 kursus dengan rating tertinggi untuk direkomendasikan per pengguna.

Latihan ini adalah bagian dari kursus

Pengantar Data Engineering

Lihat Kursus

Petunjuk latihan

  • Lengkapi fungsi transform_recommendations():
  • Gabungkan course_to_recommend dengan avg_course_ratings.
  • Urutkan hasil berdasarkan rating, dikelompokkan per ID pengguna.
  • Tampilkan 3 baris teratas dan urutkan berdasarkan ID pengguna.
  • Panggil fungsi transform_recommendations() yang baru Anda definisikan dengan argumen yang sesuai untuk menyimpan rekomendasi per pengguna dalam variabel recommendations.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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 = ____(____, ____)
Edit dan Jalankan Kode