เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สถิติสรุปของ MSD

มาทำความคุ้นเคยกับชุดข้อมูลย่อย Million Songs Echo Nest Taste Profile กัน สำหรับคอร์สนี้ เราจะเรียกชุดข้อมูลนี้ว่า Million Songs dataset หรือ msd เริ่มด้วยการดูจำนวนผู้ใช้และจำนวนเพลง รวมถึงดูว่าเพลงใดในชุดข้อมูลนี้มียอดเล่นสูงที่สุด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้เมธอด .show() เพื่อดูว่าข้อมูลมีหน้าตาเป็นอย่างไร
  • เติมโค้ดให้สมบูรณ์เพื่อนับจำนวน userId ที่ไม่ซ้ำกัน โดย select คอลัมน์ userId จากนั้นเรียก .distinct() และ .count()
  • ทำแบบเดียวกันสำหรับ songId โดย select คอลัมน์ songId แล้วเรียก .distinct() และ .count() บนคอลัมน์นั้น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Look at the data
msd.____()

# Count the number of distinct userIds
user_count = msd.select("____").____().count()
print("Number of users: ", user_count)

# Count the number of distinct songIds
song_count = msd.select("____").____().count()
print("Number of songs: ", song_count)
แก้ไขและรันโค้ด