節目--標籤 0 , 1矩陣的建立(0代表節目有這個標籤,1代表沒有這個標籤)
阿新 • • 發佈:2018-11-04
原始的節目及所包含的標籤型別對應的格式如下:
import pandas as pd import numpy as np import os os.chdir('E:/廣電大資料營銷推薦專案案例/資料清洗/電視節目資訊資料預處理') tv = pd.read_csv('./wordsbag/dataprocess/data/week/mydata/data1_tv.csv',sep=',',encoding='gbk',header='infer',error_bad_lines=False) sample = tv.head(100) #選擇電視節目的前100條資料為實驗的樣本資料 movies = sample.filter(regex='program_title|genres_good') #只提取出節目名稱和標籤型別這兩列資料 (m , n) = movies.shape #得到行數和列數 data_array = np.array(movies.iloc[0:m+1,:]) print(data_array) print(type(data_array)) #按指定順序排列所有的標籤 all_labels = ['劇情', '西部', '家庭', '驚悚', '動畫', '愛情', '情色', '運動', '音樂', '災難', '懸疑', '兒童', '短片', '歷史', '動作', '科幻', '傳記', '同性', '冒險', '歌舞', '脫口秀', '真人秀', '新聞', '恐怖', '奇幻', '犯罪', '喜劇', '紀錄片', '戰爭', '古裝', '武俠', '綜藝' ,'電視劇', '邵氏','電影'] labels_num = len(all_labels) #按順序提取所有節目的名稱 all_items_name = np.array(movies.iloc[:m+1, 0])[0:] print(all_items_name) # 建立一個01矩陣,0表示該節目不屬於該型別,1表示該節目屬於該型別 data_to_be_written = [] for i in range(len(all_items_name)): #每個節目的01行向量 vector = [0] * labels_num labels_names = str(data_array[i][1]).split(" / ") for j in range(len(labels_names)): location = all_labels.index(labels_names[j]) vector[location] = 1 data_to_be_written.append(vector) # 將01矩陣寫入“備選推薦節目集及所屬型別01矩陣表” movies_mat = pd.DataFrame(data_to_be_written, index=all_items_name, columns=all_labels)
最終得到下圖所有的矩陣
本例項主要參考https://blog.csdn.net/WuchangI/article/details/80160566
轉自https://blog.csdn.net/WuchangI/article/details/80160566