ÎncepețiÎncepe gratuit

Recomandarea cărților cu ajutorul suportului

O bibliotecă dorește să îi încurajeze pe membri să citească mai mult și a decis să folosească analiza coșului de cumpărături pentru a afla cum să facă asta. Apelează la tine pentru a realiza analiza și îți solicită să folosești cele mai bine cotate cinci cărți din setul de date goodbooks-10k, prezentat în videoclip. Datele îți sunt furnizate în format one-hot encoded, într-un DataFrame pandas numit books.

Fiecare coloană din DataFrame corespunde unei cărți și are valoarea TRUE dacă acea carte se află în biblioteca unui cititor și a primit o notă mare. Pentru simplitate, vom folosi nume scurtate: Hunger, Potter și Twilight.

Acest exercițiu face parte din cursul

Analiza coșului de cumpărături în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează suportul pentru {Hunger, Potter}.
  • Calculează suportul pentru {Hunger, Twilight}.
  • Calculează suportul pentru {Potter, Twilight}.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute support for Hunger and Potter
supportHP = np.logical_and(books['Hunger'], books['____']).mean()

# Compute support for Hunger and Twilight
supportHT = ____(books['Hunger'], books['Twilight']).mean()

# Compute support for Potter and Twilight
supportPT = np.logical_and(books['Potter'], books['Twilight']).____

# Print support values
print("Hunger Games and Harry Potter: %.2f" % supportHP)
print("Hunger Games and Twilight: %.2f" % supportHT)
print("Harry Potter and Twilight: %.2f" % supportPT)
Editează și rulează codul