更進一步的非個人化推薦
一部電影被很多人看，並不代表觀眾真的喜歡它。若要了解觀眾對電影的真實感受，更具體的資料會更有幫助。幸好，在 Movie Lens 資料集中，你也擁有每位觀眾的評分。
在這個練習中，你將找出資料集中每部電影的平均評分，接著找出平均評分最高的電影。
你會使用和前一個練習相同的 user_ratings_df，我們已經為你載入好了。
本練習屬於課程
用 Python 建立推薦引擎
練習說明
- 計算每部電影的平均評分，並將結果儲存為名為
average_rating_df的 DataFrame。 - 依平均
rating欄位由高到低排序average_rating_df，並將結果儲存為sorted_average_ratings。 - 印出
sorted_average_ratings中排名前 5 高的電影。
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。
# Find the mean of the ratings given to each title
average_rating_df = user_ratings_df[["title", "rating"]].____('title').____()
# Order the entries by highest average rating to lowest
sorted_average_ratings = average_rating_df.____(____=____, ____=____)
# Inspect the top movies
print(____.____())