使用 TF-IDF 进行推荐
在上一个练习中，您已经基于电影剧情的 TF-IDF 表示，预先计算了数据集中所有电影之间的相似度评分。现在，您将把这些相似度评分放入一个 DataFrame，方便后续使用。然后，您会用这个新的 DataFrame 提出一条电影推荐。
上一个练习中您创建的、包含所有电影两两相似度值矩阵的 cosine_similarity_array 已为您加载。同时，包含电影及其 TF-IDF 特征的 tfidf_summary_df DataFrame 也可用。
本练习是课程的一部分
用 Python 构建推荐引擎
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Wrap the preloaded array in a DataFrame
cosine_similarity_df = pd.____(____, index=tfidf_summary_df.index, columns=tfidf_summary_df.index)
# Find the values for the movie Rio
cosine_similarity_series = ____.____['Rio']
# Sort these values highest to lowest
ordered_similarities = cosine_similarity_series.____(____)
# Print the results
print(____)