依使用者輪廓進行推薦
現在你已根據使用者喜歡的各部電影加總，建立了使用者輪廓，你可以把它拿來與你一直在使用的較大 tfidf_summary_df DataFrame 比較，以產生推薦。由於你不會想推薦使用者已經看過的電影，你會先從 tfidf_summary_df DataFrame 中找出一個子集，其中不包含先前看過的電影。
上一個練習中你建立的 user_prof DataFrame 已為你載入，裡面包含代表該使用者的單一欄位。同樣地，list_of_movies_enjoyed 也已載入，方便你在預測時將其排除。
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。
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)