Niet-gepersonaliseerde suggesties
Aanbevelingssystemen bouwen in Python
Robert O'Callaghan
Director of Data
Paren identificeren
0 User_223 The Great Gatsby <---| Door dezelfde gebruiker gelezen
1 User_223 The Catcher in the Rye <---|
2 User_131 The Lord of the Rings
3 User_965 Little Women <---| Door dezelfde gebruiker gelezen
4 User_965 Fifty Shades of Grey <---|
... ...
Permutaties versus combinaties
| User | book_title |
|---|---|
| User_233 | The Great Gatsby |
| User_233 | The Catcher in the Rye |
Naar:
| Boek A | Boek B | |
|---|---|---|
| 0 | The Great Gatsby | The Catcher in the Rye |
| 1 | The Catcher in the Rye | The Great Gatsby |
Boeken gezien met The Great Gatsby -> The Catcher in the Rye
Boeken gezien met The Catcher in the Rye -> The Great Gatsby
De koppelingsfunctie maken
from itertools import permutations
def create_pairs(x):
return pairs
De koppelingsfunctie maken
from itertools import permutations
def create_pairs(x):
pairs = permutations(x.values, 2)
return pairs
permutations(list, length_of_permutations))Maakt een iterabel met alle permutaties
De koppelingsfunctie maken
from itertools import permutations
def create_pairs(x):
pairs = list(permutations(x.values, 2))
return pairs
permutations(list, length_of_permutations))Maakt een iterabel met alle permutatieslist()Zet dit om naar een bruikbare lijst
De koppelingsfunctie maken
from itertools import permutations
def create_pairs(x):
pairs = pd.DataFrame(list(permutations(x.values, 2)),
columns=['book_a','book_b'])
return pairs
permutations(list, length_of_permutations))Maakt een iterabel met alle permutatieslist()Zet dit om naar een bruikbare lijstpd.DataFrame()Zet de lijst om naar een DataFrame met kolommenbook_aenbook_b
De functie op de data toepassen
book_pairs = book_df.groupby('userId')['book_title'].apply(perm_function)
print(book_pairs.head())
book_a book_b
userId
User_223 0 The Great Gatsby The Catcher in the Rye
1 The Catcher in the Rye The Great Gatsby
User_965 0 Little Women 40 Shades of Grey
1 40 Shades of Grey Little Women
User_773 0 The Twilight Saga Harry Potter and the Sorcerer's Stone
...
Resultaten opschonen
book_pairs = book_pairs.reset_index(drop=True)
print(book_pairs.head())
book_a book_b
0 The Great Gatsby The Catcher in the Rye
1 The Catcher in the Rye The Great Gatsby
3 Little Women 40 Shades of Grey
4 40 Shades of Grey Little Women
5 The Twilight Saga Harry Potter and the Sorcerer's Stone
...
Koppelingen tellen
pair_counts = book_pairs.groupby(['book_a', 'book_b']).size()
book_a book_b
The Twilight Saga Fifty Shades of Grey 16
Pride and Prejudice 12
...
pair_counts_df = pair_counts.to_frame(name = 'size').reset_index()
print(pair_counts_df.head())
book_a book_b size
1 The Twilight Saga Fifty Shades of Grey 16
2 The Twilight Saga Pride and Prejudice 12
...
Aanbevelingen opzoeken
pair_counts_sorted = pair_counts_df.sort_values('size', ascending=False)
pair_counts_sorted[pair_counts_sorted['book_a'] == 'Lord of the Rings']
book_a book_b size
137 Lord of the Rings The Hobbit 12
147 Lord of the Rings Harry Potter and the Sorcerer's Stone 10
143 Lord of the Rings The Colour of Magic 9
...
Laten we oefenen!
Aanbevelingssystemen bouwen in Python
