隐式数据 vs. 显式数据
正如视频练习中所提到的，推荐引擎使用的反馈可以是显式的，也可以是隐式的。
数据集 listening_history_df 已为您加载。
该数据集包含标识用户和他们收听歌曲的列，以及：
Skipped Track：布尔列，记录用户是否跳过该歌曲或听到结束。Rating：用户给该歌曲的评分，满分为 10。
在本练习中，您将探索这些数据，并据此判断哪些列更能代表显式反馈，哪些更能代表隐式反馈。
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。
# Inspect the listening_history_df DataFrame
print(listening_history_df.____())
# Calculate the number of unique values
print(listening_history_df[['Rating', 'Skipped Track']].____())
# Display a histogram of the values in the Rating column
listening_history_df['Rating'].____()
plt.show()