复制
收藏
提问
简洁
import pandas as pd # 1.读取数据 print("1.读取数据".center(100, '*')) # 读取users.dat表中数据 users = pd.read_csv('./data/users.dat', sep='::', header=None, names=['UserID', 'Gender', 'Age', 'Occupation', 'Zip-code'], engine='python') print("user表有%s条数据" % users.shape[0]) print(users.head()) # 读取movies.dat表中数据 movies = pd.read_csv('./data/movies.dat', sep='::', header=None, names=["MovieID", "Title", "Genres"], engine='python') print("movies表有%s条数据" % movies.shape[0]) print(movies.head()) # 读取ratings.dat表中数据 ratings = pd.read_csv('./data/ratings.dat', sep='::', header=None, names=["UserID", "MovieID", "Rating", "Timestamp"], engine='python') print("ratings表有%s条数据" % ratings.shape[0]) print(ratings.head()) # 主键合并三张表数据 movie_data = pd.___（1）__(users, pd.merge(movies, ratings)) print("原始数据有%d条" % (len(movie_data))) # 2.检测每一列缺失值的数量 print("2.缺失值检测".center(100, '*')) # 查看每一列缺失值的数量 print(movie_data.___（2）__().sum()) # 3.检测有无重复值 print("3.重复值检测".center(100, '*')) print(movie_data.___（3）__().sum()) # 4.删除缺失值 print("4.删除缺失值".center(100, '*')) # 按行删除缺失值 movie_data = movie_data.___（4）__() # 删除缺失值后查看缺失值情况 print(movie_data.isnull().sum()) # 5.删除重复值 print("5.删除重复值".center(100, '*')) movie_data = movie_data.drop_duplicates() # 删除重复值后查看重复值情况 print(movie_data.duplicated().sum()) print("去除缺失值和重复值后有%d条数据" % (len(movie_data))) # 6.使用透视表查看每一部电影不同性别的平均评分 print("6.每一部电影不同性别的平均分".center(100, '*')) data_gender = pd.___（5）__(movie_data, index='Title', columns='Gender', values='Rating') print(data_gender.head()) # 7.计算评分分歧，找出男性和女性观众评分分歧最大的电影并进行排序 print("7.男性和女性评分分歧".center(100, '*')) # 新增一列diff,表示男女评分分歧(用男女分差的绝对值表示) data_gender['diff'] = ___（6）__(data_gender['F'] - data_gender['M']) # 按男女评分分歧降序排列 data_gender_sort = data_gender.sort_values(by='diff', ascending=___（7）__) print(data_gender_sort.head()) # 8.算出每部电影平均得分并对其进行降序排列（按Title分组，按Rating做聚合运算） print("8.每一部电影平均分并排序".center(100, '*')) mean_score_sort = movie_data.groupby(by='Title').agg({'Rating': '___（8）__'}).sort_values(by='Rating', ascending=False) print(mean_score_sort.head(20)) # 9.查看评分次数多的电影并进行降序排序（按Title分组,分组后聚合计算求分组大小） print("9.查看电影评分次数并排序".center(100, '*')) count = movie_data.groupby(by='Title').___（9）__().sort_values(ascending=False) print(count.head()) # 10.查看每一部电影被评论过的次数和被打的平均分 # 取出至少被评论过100次的电影按照平均评分从大到小排序，取最大的10部电影 print('10.最少被评论过100次的电影评分排序'.center(100, '*')) # 按Title分组,分组后对Rating求聚合计算，聚合函数为平均和数量统计 count_mean = movie_data.groupby(by='Title').agg({'Rating': ['count', 'mean']}) # 筛选数量大于等于100条的电影 count_mean_100 = count_mean[count_mean['Rating'][___（10）__] >= 100] # 筛选后按照分数降序排列 count_mean_100_sort = count_mean_100.sort_values(by=('Rating', 'mean'), ascending=False) print(count_mean_100_sort.head(10))
3月前
全网
文档
学术
百科
知识库
回答简洁模式
深入研究一些
根据您提供的代码和问题，以下是对代码中空白处的填空答案和解释：
merge: 用于合并两个DataFrame，需要指定合并的列。isnull: 用于检测DataFrame中的缺失值。duplicated: 用于检测DataFrame中的重复值。dropna: 用于删除DataFrame中的缺失值。pivot_table: 用于创建透视表。abs: 用于计算绝对值。False: 表示按降序排列。mean: 用于计算平均值。size: 用于计算分组的大小。count: 用于计算数量。
以下是填空后的完整代码：
import pandas as pd
# 1.读取数据
print("1.读取数据".center(100, '*'))
# 读取users.dat表中数据
users = pd.read_csv('./data/users.dat', sep='::', header=None, names=['UserID', 'Gender', 'Age', 'Occupation', 'Zip-code'], engine='python')
print("user表有%s条数据" % users.shape[0])
print(users.head())
# 读取movies.dat表中数据
movies = pd.read_csv('./data/movies.dat', sep='::', header=None, names=["MovieID", "Title", "Genres"], engine='python')
print("movies表有%s条数据" % movies.shape[0])
print(movies.head())
# 读取ratings.dat表中数据
ratings = pd.read_csv('./data/ratings.dat', sep='::', header=None, names=["UserID", "MovieID", "Rating", "Timestamp"], engine='python')
print("ratings表有%s条数据" % ratings.shape[0])
print(ratings.head())
# 主键合并三张表数据
movie_data = pd.merge(users, pd.merge(movies, ratings), on='UserID') # 1
print("原始数据有%d条" % (len(movie_data)))
# 2.检测每一列缺失值的数量
print("2.缺失值检测".center(100, '*'))
# 查看每一列缺失值的数量
print(movie_data.isnull().sum()) # 2
# 3.检测有无重复值
print("3.重复值检测".center(100, '*'))
print(movie_data.duplicated().sum()) # 3
# 4.删除缺失值
print("4.删除缺失值".center(100, '*'))
# 按行删除缺失值
movie_data = movie_data.dropna() # 4
# 删除缺失值后查看缺失值情况
print(movie_data.isnull().sum())
# 5.删除重复值
print("5.删除重复值".center(100, '*'))
movie_data = movie_data.drop_duplicates()
# 删除重复值后查看重复值情况
print(movie_data.duplicated().sum())
print("去除缺失值和重复值后有%d条数据" % (len(movie_data)))
# 6.使用透视表查看每一部电影不同性别的平均评分
print("6.每一部电影不同性别的平均分".center(100, '*'))
data_gender = pd.pivot_table(movie_data, index='Title', columns='Gender', values='Rating') # 5
print(data_gender.head())
# 7.计算评分分歧，找出男性和女性观众评分分歧最大的电影并进行排序
print("7.男性和女性评分分歧".center(100, '*'))
# 新增一列diff,表示男女评分分歧(用男女分差的绝对值表示)
data_gender['diff'] = abs(data_gender['F'] - data_gender['M']) # 6
# 按男女评分分歧降序排列
data_gender_sort = data_gender.sort_values(by='diff', ascending=False) # 7
print(data_gender_sort.head())
# 8.算出每部电影平均得分并对其进行降序排列（按Title分组，按Rating做聚合运算）
print("8.每一部电影平均分并排序".center(100, '*'))
mean_score_sort = movie_data.groupby(by='Title').agg({'Rating': 'mean'}).sort_values(by='Rating', ascending=False) # 8
print(mean_score_sort.head(20))
# 9.查看评分次数多的电影并进行降序排序（按Title分组,分组后聚合计算求分组大小）
print("9.查看电影评分次数并排序".center(100, '*'))
count = movie_data.groupby(by='Title').size().sort_values(ascending=False) # 9
print(count.head())
# 10.查看每一部电影被评论
你觉得结果怎么样？