使用推薦轉換

在前幾題中，你計算了每門課程的平均評分，並清理了一些課程資料。你將使用這些資料為 DataCamp 學生產生可行的推薦。

提醒一下，產生推薦的決策規則如下：

使用學生評分次數最多的技術領域。
排除學生已經評分過的課程。
從符合條件的課程中找出評分最高的 3 門課。

為了產生最終的推薦，你將使用平均課程評分，以及每位使用者符合條件的推薦清單，分別儲存在 avg_course_ratings 與 courses_to_recommend。你需要完成 transform_recommendations() 函式，將兩個 DataFrame 合併，並為每位使用者找出要推薦的評分最高的 3 門課程。

本練習屬於課程

Data Engineering 入門

檢視課程

練習說明

完成 transform_recommendations() 函式：
將 course_to_recommend 與 avg_course_ratings 合併。
以使用者 ID 分組，並依 rating 排序結果。
取前 3 列，並依使用者 ID 排序。
使用適當的引數呼叫你剛定義的 transform_recommendations() 函式，將每位使用者的推薦結果儲存到變數 recommendations。

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。

# Complete the transformation function
def transform_recommendations(avg_course_ratings, courses_to_recommend):
    # Merge both DataFrames
    merged = courses_to_recommend.____(____) 
    # Sort values by rating and group by user_id
    grouped = merged.sort_values("____", ascending=False).groupby("____")
    # Produce the top 3 values and sort by user_id
    recommendations = grouped.head(____).sort_values("____").reset_index()
    final_recommendations = recommendations[["user_id", "course_id","rating"]]
    # Return final recommendations
    return final_recommendations

# Use the function with the predefined DataFrame objects
recommendations = ____(____, ____)

編輯並執行程式碼