НачатьНачать бесплатно

Применение преобразования для рекомендаций

В предыдущих упражнениях вы вычислили средний рейтинг курсов и привели данные о курсах в порядок. Теперь вы используете эти данные, чтобы сформировать актуальные рекомендации для студентов DataCamp.

Напомним правила отбора рекомендаций:

  • Используйте технологию, которую студент оценивал чаще всего.
  • Исключите курсы, которые студент уже оценивал.
  • Выберите три курса с наивысшим рейтингом из подходящих вариантов.

Чтобы сформировать итоговые рекомендации, вы воспользуетесь средними рейтингами курсов и списком подходящих рекомендаций для каждого пользователя, которые хранятся в переменных avg_course_ratings и courses_to_recommend соответственно. Для этого завершите реализацию функции transform_recommendations(), которая объединяет оба DataFrame и находит три курса с наивысшим рейтингом для каждого пользователя.

Это упражнение является частью курса

Введение в дата-инжиниринг

Посмотреть курс

Инструкции к упражнению

  • Завершите реализацию функции transform_recommendations():
  • Объедините course_to_recommend с avg_course_ratings.
  • Отсортируйте результаты по полю rating, сгруппировав данные по идентификатору пользователя.
  • Выведите три первые строки и отсортируйте по идентификатору пользователя.
  • Вызовите только что определённую функцию transform_recommendations() с соответствующими аргументами, чтобы сохранить рекомендации для каждого пользователя в переменной recommendations.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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 = ____(____, ____)
Редактировать и запускать код