Fazendo suas primeiras recomendações de filmes
Agora que você encontrou os filmes mais comumente pareados, já pode fazer suas primeiras recomendações!
Mesmo sem considerar nenhuma informação sobre a pessoa que está assistindo, e sem saber detalhes sobre o filme, ainda é possível fazer recomendações valiosas analisando quais grupos de filmes são assistidos pelas mesmas pessoas.
Neste exercício, você vai examinar os filmes frequentemente assistidos pelas mesmas pessoas que viram Thor e, em seguida, usar esses dados para recomendar algo para alguém que acabou de ver o filme.
O DataFrame que você gerou na última lição, combination_counts_df, que contém as contagens de com que frequência os filmes são assistidos juntos, já foi carregado para você.
Este exercício faz parte do curso
Construindo mecanismos de recomendação em Python
Instruções do exercício
- Ordene o objeto
combination_counts_dfdo maior para o menor pela colunasize. - Encontre as novas frequências de filmes para
Thorselecionando nocombination_counts_dfordenado as linhas ondemovie_aéThor, atribua o resultado athor_dfe faça o gráfico.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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()