基于用户画像的推荐
现在，您已经基于用户喜欢的各部电影的汇总信息构建了用户画像，接下来可以将其与您一直在使用的更大的 tfidf_summary_df DataFrame 进行比较，从而生成推荐。由于不应推荐用户已经看过的电影，您需要先在 tfidf_summary_df 中找到一个子集，不包含任何已观看的电影。
上一练习中您生成的 user_prof DataFrame 已为您加载，它包含一个表示该用户的单列。同样，list_of_movies_enjoyed 也已加载，便于您在预测时将这些电影排除。
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。
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)