Python程序设计与实践大作业实验报告陆阳孙勇裘升明精编.docx

Lele was written in 2021
Python程序设计与实践大作业实验报告陆阳孙勇裘升明精编
浙江工商大学计算机与信息工程学院
《Python程序设计与实践》大作业报告
专 业： 计科
班 级： 1404
学 号：16、15、13
姓 名： 陆阳，孙勇，裘昇明
指导教师： 蒲飞
2015 年 6 月 28 日
题目介绍：
在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号：
U——用户集合
I——商品全集
P——商品子集，P?I
D——用户对商品全集的行为数据集合
那么我们的目标是利用D来构造U中用户对P中商品的推荐模型。
数据说明：
竞赛数据包含两个部分。第一部分是用户在商品全集上的移动端行为数据（D）,表名为tianchi_mobile_recommend_train_user，包含如下字段：
字段
字段说明
提取说明
user_id
用户标识
抽样&字段脱敏
item_id
商品标识
字段脱敏
behavior_type
用户对商品的行为类型
包括浏览、收藏、加购物车、购买，对应取值分别是1、2、3、4。
user_geohash
用户位置的空间标识，可以为空
由经纬度通过保密的算法生成
item_category
商品分类标识
字段脱敏
time
行为时间
精确到小时级别
第二个部分是商品子集（P）,表名为tianchi_mobile_recommend_train_item，包含如下字段：
字段
字段说明
提取说明
item_id
商品标识
抽样&字段脱敏
item_ geohash
商品位置的空间标识，可以为空
由经纬度通过保密的算法生成
item_category
商品分类标识
字段脱敏
训练数据包含了抽样出来的一定量用户在一个月时间（~）之内的移动端行为数据（D），评分数据是这些用户在这个一个月之后的一天（）对商品子集（P）的购买数据。参赛者要使用训练数据建立推荐模型，并输出用户在接下来一天对商品子集购买行为的预测结果。
大作业报告内容包括以下几个部分
1、数据分组统计：
可统计有多少用户、商品、商品类别等信息，甚至每天各种行为的统计数。如图：
还有，在给出的用户行为数据中，有些用户在整个11-18日至12-18
日对商品有浏览行为记录，但是从未产生过购买行为，这些用户会否在12月19号购买商品实难预测，因此，我们去除这些无购买行为的用户信息，认为这些用户在12月19号还是不会购买任何商品。
贴关键代码
import time
import pandas as pd
start=()
df_items=("")
df_items2=("")
df_items3=()
df_items4=()
df_items5=()
df_items3=df_items["item_id"].drop_duplicates()
df_items4=df_items["item_category"].drop_duplicates()
df_items5=df_items["item_id"].drop_duplicates()
df_items6=df_items2["user_id"].drop_duplicates()
df_items7=df_items2["item_id"].drop_duplicates()
df_items8=df_items2["item_category"].drop_duplicates()
total_behavior_num=len(df_items2)
df_items9=df_items2[==4]
df_items10=df_items2[!=4]
positive_num=len(df_items9)
negative_num=len(df_items10)
item_num=len(df_items3)
item_categories_num=len(df_items4)
item_geo