Movie recommendation based on collaborative filtering

Overview of recommendation algorithms based on collaborative filtering - Zhihu (zhihu.com)

# -*- coding: gbk -*-
import pandas as pd

_userID = '1'

#电影评分排序
ratings = pd.read_csv('ml-latest-small/ratings.csv')
#打印前20行
#print(ratings.head(10))

#电影所属类别
movies = pd.read_csv('ml-latest-small/movies.csv')
#print(movies.head(5))

#合并两个csv的内容
data = pd.merge(movies,ratings,on = 'movieId')
#print(data.head(10))
#data[['userId','title','rating','genres']].sort_values('userId').to_csv('ml-latest-small/data.csv',index=False)
data[['userId','rating','movieId','title','genres']].sort_values('userId').to_csv('ml-latest-small/data.csv',index=False)
# 将合并后的数据集输出保存 以备后续分析
files = pd.read_csv('ml-latest-small/data.csv')
#print(files.head(100))

# 逐行读取刚刚合并并保存的数据集
content = []
with open('ml-latest-small/data.csv','rb') as fp:  
    content = fp.readlines()

# 将用户、评分、和电影写入字典data
data = {}
for line in content[1:2000]: #取前1000行数据
    line = line.decode("utf-8").strip().split(',')
    #如果字典中没有某位用户，则使用用户ID来创建这位用户
    if not line[0] in data.keys():
        data[line[0]] = {line[3]:line[1]}
    #否则直接添加以该用户ID为key字典中
    else:
        data[line[0]][line[3]] = line[1]

#字典结构 key是用户ID，value包含很多对电影，分别为{电影名：评分}
#print(data)


from math import *
def Euclidean(user1,user2):
    #取出两位用户评论过的电影和评分
    user1_data=data[user1]
    user2_data=data[user2]
    distance = 0
    #找到两位用户都评论过的电影，并计算欧式距离
    for key in user1_data.keys():
        if key in user2_data.keys():
            #注意，distance越大表示两者越相似
            distance += pow(float(user1_data[key])-float(user2_data[key]),2)
 
    return 1/(1+sqrt(distance))#这里返回值越小，相似度越大
 
#计算某个用户与其他用户的相似度
def top10_simliar(userID):
    res = []
    for userid in data.keys():#所有用户ID
        #print(userid)
        #排除与自己计算相似度
        if not userid == userID:
            simliar = Euclidean(userID,userid)
            res.append((userid,simliar))
    res.sort(key=lambda val:val[1])
    #print(res)
    return res[:10] #输出前10个最相似的人

#计算第一个用户和其他用户的相似程度，找出与他类似的人群
RES = top10_simliar(_userID)
#print(RES)
# 用户之间相似度结果：0表示两位的影评几乎一样，1表示没有共同的影评


def recommend(user):
    #相似度最高的用户ID
    top_sim_user = top10_simliar(user)[0][0]
    #print(top_sim_user)
    #相似度最高的用户的观影记录
    items = data[top_sim_user]
    #print('最相似用户为{0},其喜欢看的电影是{1}'.format(top_sim_user,items))
    recommendations = []
    #筛选出待推荐用户未观看的电影并添加到列表中
    for item in items.keys():
        if item not in data[user].keys():
            recommendations.append((item,items[item]))
    recommendations.sort(key=lambda val:val[1],reverse=True)#按照评分排序
    #返回评分最高的10部电影
    return recommendations[:10]

'''
#给用户1推荐电影
Recommendations = recommend(_userID)
print('推荐给{0}的电影有如下{1}个：'.format(_userID,len(Recommendations)))
print(Recommendations)
'''

for _user in data.keys():
    Recommendations = recommend(_user)
    #print('推荐给{0}的电影有如下{1}个：'.format(_user,len(Recommendations)))
    print('推荐给{0}的电影如下：'.format(_user))
    print(Recommendations)

python3.6 can run directly