Crea le tue prime raccomandazioni di film
Ora che hai trovato le coppie di film più comuni, puoi creare le tue prime raccomandazioni!
Anche senza informazioni sulla persona che guarda, e senza conoscere dettagli sul film, è comunque possibile proporre raccomandazioni utili esaminando quali gruppi di film vengono guardati dalle stesse persone.
In questo esercizio, esaminerai i film spesso guardati dalle stesse persone che hanno visto Thor, e poi userai questi dati per dare un suggerimento a qualcuno che ha appena visto il film.
Il DataFrame che hai generato nella lezione precedente, combination_counts_df, che contiene i conteggi di quante volte i film sono stati visti insieme, è stato caricato per te.
Questo esercizio fa parte del corso
Creare motori di raccomandazione in Python
Istruzioni dell'esercizio
- Ordina l'oggetto
combination_counts_dfdal più grande al più piccolo in base alla colonnasize. - Trova le nuove frequenze (ordinate) dei film per il film
Thorfacendo il subset dell'oggettocombination_counts_dfordinato dovemovie_aèThor, assegnale athor_dfe visualizza i risultati.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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()