矩陣稀疏度
真實世界的評分資料常見挑戰是：大多數使用者不會對大多數項目評分，而大多數項目也只會被少數使用者評分。這會導致一個非常空、也就是非常稀疏的 DataFrame。
在這個練習中，你要透過計算已填入的儲存格數量，來評估 movie_lens 評分資料有多稀疏，並與整個 DataFrame 的大小做比較。
先前練習中使用過的 DataFrame user_ratings_df 已為你載入，其中每一列代表一位使用者、每一欄代表一部電影。
本練習屬於課程
用 Python 建立推薦引擎
練習說明
- 計算
user_ratings_df中非空儲存格的數量，並將結果存為sparsity_count。 - 計算
user_ratings_dfDataFrame 的儲存格總數，並將結果存為full_count。 - 以非空儲存格數量除以儲存格總數，計算 DataFrame 的稀疏度，並印出結果。
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。
# Count the occupied cells
sparsity_count = user_ratings_df.____().____.____()
# Count all cells
full_count = user_ratings_df.____
# Find the sparsity of the DataFrame
sparsity = ____ / ____
print(sparsity)