Продвижение электронных книг с помощью conviction
В предыдущем упражнении мы определили функцию для вычисления conviction и применили её ко всем перестановкам из двух книг набора данных goodreads-10k. В этом упражнении мы проверим функцию, применив её к трём наиболее популярным книгам, которые использовались в предыдущих упражнениях: «Голодные игры», «Гарри Поттер» и «Сумерки».
Функция уже определена и доступна как conviction. Напомним, что она принимает два аргумента: антецедент и консеквент. Кроме того, столбцы DataFrame books из предыдущих упражнений доступны в виде трёх отдельных DataFrame: potter, twilight и hunger.
Это упражнение является частью курса
Анализ рыночных корзин на Python
Инструкции к упражнению
- Вычислите conviction для {Twilight} \(\rightarrow\) {Potter} и {Potter} \(\rightarrow\) {Twilight}.
- Вычислите conviction для {Twilight} \(\rightarrow\) {Hunger} и {Hunger} \(\rightarrow\) {Twilight}.
- Вычислите conviction для {Potter} \(\rightarrow\) {Hunger} и {Hunger} \(\rightarrow\) {Potter}.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)