开始使用免费开始使用

使用推荐转换

在前面的几个练习中，您计算了每门课程的平均评分，并清洗了一些课程数据。现在，您将使用这些数据为 DataCamp 学生生成可行的课程推荐。

提醒一下，生成推荐的决策规则如下：

  • 使用学生评分最多的技术领域。
  • 排除学生已经评分过的课程。
  • 从符合条件的课程中找到评分最高的 3 门课程。

为了产出最终的推荐结果，您将使用课程的平均评分，以及每位用户可推荐课程的列表，分别存储在 avg_course_ratings 和 courses_to_recommend 中。您需要完成 transform_recommendations() 函数，将这两个 DataFrame 合并，并为每位用户找出评分最高的 3 门课程进行推荐。

本练习是课程的一部分

Data Engineering 入门

查看课程

练习说明

  • 完成 transform_recommendations() 函数：
  • 将 course_to_recommend 与 avg_course_ratings 合并。
  • 按用户 ID 分组并依据 rating 排序结果。
  • 取前 3 行，并按用户 ID 排序显示。
  • 使用合适的参数调用您刚定义的 transform_recommendations() 函数，将每位用户的推荐结果存入变量 recommendations。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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 = ____(____, ____)
编辑并运行代码