使用 TF-IDF 製作推薦
在上一個練習中，你已經先計算過資料集中所有電影之間的相似度評分，這些評分是根據以 TF-IDF 轉換後的劇情摘要而得。現在你要把這些相似度評分放進一個 DataFrame，方便後續使用。接著，你會使用這個新的 DataFrame 來提出電影推薦。
上個練習中你建立的 cosine_similarity_array（包含所有電影兩兩之間相似度的矩陣）已為你載入。同時，包含電影及其 TF-IDF 特徵的 tfidf_summary_df DataFrame 也可供使用。
本練習屬於課程
用 Python 建立推薦引擎
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Wrap the preloaded array in a DataFrame
cosine_similarity_df = pd.____(____, index=tfidf_summary_df.index, columns=tfidf_summary_df.index)
# Find the values for the movie Rio
cosine_similarity_series = ____.____['Rio']
# Sort these values highest to lowest
ordered_similarities = cosine_similarity_series.____(____)
# Print the results
print(____)