Mulai sekarangMulai gratis

Tambahkan nol

Banyak mesin rekomendasi menggunakan penilaian implisit. Dalam banyak kasus, himpunan data ini tidak menyertakan jumlah perilaku untuk item yang tidak pernah dibeli pengguna. Dalam kasus seperti ini, Anda perlu menambahkannya dan memasukkan nilai nol. Dataframe Z telah disediakan untuk Anda. Dataframe ini memuat userId, productId, dan num_purchases yang merupakan jumlah berapa kali seorang pengguna membeli produk tertentu.

Latihan ini merupakan bagian dari kursus

Membangun Recommendation Engine dengan PySpark

Lihat Kursus

Instruksi latihan

  • Lihat dataframe Z menggunakan metode .show().
  • Ekstrak userId dan productId unik dari Z menggunakan metode .distinct(). Beri nama hasilnya masing-masing users dan products.
  • Lakukan .crossJoin() pada dataframe users dan products. Beri nama hasilnya cj.
  • Lakukan join "left" antara cj dan dataframe rating asli Z pada ["userId", "productId"]. Panggil metode .fillna(0) pada hasilnya untuk mengisi nilai kosong dengan nol. Beri nama hasilnya Z_expanded.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# View the data
Z.____()

# Extract distinct userIds and productIds
users = ____.select("____").____()
products = Z.____("productId").____()

# Cross join users and products
____ = users.____(products)

# Join cj and Z
____ = cj.join(Z, ["____", "____"], "left").____(0)

# View Z_expanded
____.show()
Edit dan Jalankan Kode