一次性比较所有电影
在小规模分析中计算任意两部电影之间的 Jaccard 相似度非常有用，但在更大的数据集上用于推荐时可能会较慢。
在本练习中，您将计算所有电影之间的相似度，并将结果存入一个 DataFrame，便于快速查找。
当需要计算 DataFrame 各行之间的相似度时，您可以遍历所有成对组合逐一计算，但更高效的做法是使用 scipy 中的 pdist()（成对距离）函数。
随后可使用同一库中的 squareform() 将结果重塑为所需的矩形形状。由于我们需要的是相似度而不是距离，您应当用 1 减去这些距离值得到相似度。
movie_cross_table 已为您加载。
本练习是课程的一部分
用 Python 构建推荐引擎
练习说明
- 计算所有电影之间的 Jaccard 距离度量，并将结果赋给
jaccard_similarity_array。 - 使用
jaccard_similarity_array创建一个 DataFrame，行索引和列索引均使用movie_genre_df.index。 - 打印该 DataFrame 的前 5 行，并查看相似度分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import functions from scipy
from scipy.spatial.distance import pdist, squareform
# Calculate all pairwise distances
jaccard_distances = ____(movie_cross_table.values, metric='____')
# Convert the distances to a square matrix
jaccard_similarity_array = 1 - ____(____)
# Wrap the array in a pandas DataFrame
jaccard_similarity_df = pd.____(jaccard_similarity_array, ____=movie_cross_table.index, ____=movie_cross_table.index)
# Print the top 5 rows of the DataFrame
print(jaccard_similarity_df.head())