如何处理图书交叉数据集中的 0 个条目

Question

我正在处理书籍 crossing Data-set ，它有一个文件给出了用户 X 对书籍 Y 的评分，但是很多条目包含值 0，这意味着用户 X 喜欢书籍 Y 但没有给出评分给它。我正在使用协同过滤，因此这些 0 条目给我带来了问题，就好像被 0 分会降低这本书的整体评分。

我是数据科学领域的新手，有人可以帮助我解决这个问题吗？

我能想到的是用用户的平均图书评分代替 0 评分，但我又没有任何论据来支持我的想法。

Answer 1

ISBN码很乱，错的ISBN很多，不统一

这里只是几个例子：

"User-ID";"ISBN";"Book-Rating"
"11676";" 9022906116";"7"
"11676";"\"0432534220\"";"6"
"11676";"\"2842053052\"";"7"
"11676";"0 7336 1053 6";"0"
"11676";"0=965044153";"7"
"11676";"0000000000";"9"
"11676";"00000000000";"8"
"146859";"01402.9182(PB";"7"
"158509";"0672=630155(P";"0"
"194500";"(THEWINDMILLP";"0"

所以我建议先清理一下：

df.ISBN = df.ISBN.str.replace(r'[^\w\d]+', '')

然后计算平均收视率：

avg_ratings = df.groupby('ISBN')['Book-Rating'].mean().round().astype(np.int8)

最后为这些书籍设置平均评分，评分为零：

df.loc[df['Book-Rating'] == 0, 'Book-Rating'] = df.loc[df['Book-Rating'] == 0, 'ISBN'].map(avg_ratings)

更新：

从 Pandas 0.20.1 the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers 开始。

如何处理图书交叉数据集中的 0 个条目

How to handle 0 entries in book crossing dataset

python

pandas

machine-learning

data-science