隱性資料 vs. 顯性資料
如同在影片練習中提到的，推薦引擎使用的回饋可以是顯性的或隱性的。
已為你載入資料集 listening_history_df。
這個資料集包含使用者與其收聽的歌曲欄位，另外還有：
Skipped Track：布林欄位，記錄使用者是否跳過歌曲或是聽到結尾。Rating：使用者給這首歌的評分（滿分 10 分）。
在本練習中，你將先探索這些資料，並據此判斷哪些欄位最能代表顯性回饋，哪些則屬於隱性回饋。
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。
# Inspect the listening_history_df DataFrame
print(listening_history_df.____())
# Calculate the number of unique values
print(listening_history_df[['Rating', 'Skipped Track']].____())
# Display a histogram of the values in the Rating column
listening_history_df['Rating'].____()
plt.show()