IniziaInizia gratis

Usare la trasformazione del recommender

Negli ultimi esercizi hai calcolato il rating medio per corso e ripulito alcuni dati dei corsi. Userai questi dati per creare raccomandazioni utili per gli studenti di DataCamp.

Per ricordarti, ecco le regole decisionali per generare le raccomandazioni:

  • Usa la tecnologia a cui uno studente ha assegnato più valutazioni.
  • Escludi i corsi che uno studente ha già valutato.
  • Trova i tre corsi con il rating più alto tra quelli idonei.

Per produrre le raccomandazioni finali userai le valutazioni medie dei corsi e l’elenco delle raccomandazioni idonee per utente, salvati rispettivamente in avg_course_ratings e courses_to_recommend. Lo farai completando la funzione transform_recommendations() che unisce entrambi i DataFrame e trova i 3 corsi con il rating più alto da raccomandare per ogni utente.

Questo esercizio fa parte del corso

Introduzione al Data Engineering

Visualizza il corso

Istruzioni dell'esercizio

  • Completa la funzione transform_recommendations():
  • Unisci course_to_recommend con avg_course_ratings.
  • Ordina i risultati per rating, raggruppando per ID utente.
  • Mostra le prime 3 righe e ordina per ID utente.
  • Chiama la funzione transform_recommendations() che hai appena definito con gli argomenti appropriati per salvare le raccomandazioni per utente nella variabile recommendations.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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 = ____(____, ____)
Modifica ed esegui il codice