Promovarea cărților electronice cu conviction
În exercițiul anterior, am definit o funcție pentru a calcula conviction. Ni s-a cerut să aplicăm acea funcție tuturor permutărilor de câte două cărți din setul de date goodreads-10k. În acest exercițiu, vom testa funcția aplicând-o celor mai populare trei cărți, pe care le-am folosit în exercițiile anterioare: The Hunger Games, Harry Potter și Twilight.
Funcția a fost deja definită și este disponibilă ca conviction. Reține că aceasta primește un antecedent și un consecvent ca argumente. În plus, coloanele DataFrame-ului books din exercițiile anterioare sunt disponibile ca trei DataFrame-uri separate: potter, twilight și hunger.
Acest exercițiu face parte din cursul
Analiza coșului de cumpărături în Python
Instrucțiuni pentru exercițiu
- Calculează conviction pentru {Twilight} \(\rightarrow\) {Potter} și {Potter} \(\rightarrow\) {Twilight}.
- Calculează conviction pentru {Twilight} \(\rightarrow\) {Hunger} și {Hunger} \(\rightarrow\) {Twilight}.
- Calculează conviction pentru {Potter} \(\rightarrow\) {Hunger} și {Hunger} \(\rightarrow\) {Potter}.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Compute conviction for twilight -> potter and potter -> twilight
convictionTP = conviction(twilight, potter)
convictionPT = conviction(____, twilight)
# Compute conviction for twilight -> hunger and hunger -> twilight
convictionTH = conviction(____, ____)
convictionHT = ____(hunger, twilight)
# Compute conviction for potter -> hunger and hunger -> potter
convictionPH = ____(potter, hunger)
convictionHP = ____
# Print results
print('Harry Potter -> Twilight: ', convictionHT)
print('Twilight -> Potter: ', convictionTP)