Python 如何处理图书交叉数据集中的0个条目

我正在使用book，它有一个文件，其中给出了用户X对book Y的评分，但许多条目包含值0，这意味着用户X喜欢book Y，但没有给它评分。我使用的是协同过滤，因此这0个条目给我带来了问题，好像取了0，它们会降低书的整体评级

我是数据科学领域的新手，有人能帮我解决这个问题吗

---

我能想到的是用用户的平均图书评级代替0评级，但我没有任何论据支持我的想法。

ISBN代码非常混乱，包含大量不正确的ISBN，并且不统一

以下只是几个例子：

"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]+', '')

然后计算平均评分：

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

最后设置这些书籍的平均评分，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0.20.1开始

ISBN代码非常混乱，包含大量不正确的ISBN，并且不统一

以下只是几个例子：

"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]+', '')

然后计算平均评分：

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

最后设置这些书籍的平均评分，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0.20.1开始

我的建议是将所有评分提高

1

。在这种情况下，您将获得那些喜欢但没有评级的书籍的最低评级，因为

0

将转换为

1

@qmaruf因为评级书籍的评级从1到10，即使我将0增加到1，与其他书籍相比，它仍然是有偏差的，比如对书籍7、8、8、7进行评级的用户。拥有一本评级为1的书意味着他不喜欢这本书，但事实并非如此，他只是没有对这本书进行评级。你在比较定量和定性评级，这本身就很棘手。如果用户可以喜欢某样东西，但也可以对其进行评分，那么您可能需要使用交叉验证进行测试，以查看哪个建议更好（like=1，like=average，like=9）。要了解有关推荐系统评估的更多信息，这个quora问题是一个很好的起点：这不是一个关于编程的问题-我建议发布我的建议，将所有评分提高

1

。在这种情况下，您将获得那些喜欢但没有评级的书籍的最低评级，因为

0

将转换为

1

@qmaruf因为评级书籍的评级从1到10，即使我将0增加到1，与其他书籍相比，它仍然是有偏差的，比如对书籍7、8、8、7进行评级的用户。拥有一本评级为1的书意味着他不喜欢这本书，但事实并非如此，他只是没有对这本书进行评级。你在比较定量和定性评级，这本身就很棘手。如果用户可以喜欢某样东西，但也可以对其进行评分，那么您可能需要使用交叉验证进行测试，以查看哪个建议更好（like=1，like=average，like=9）。要了解更多关于推荐系统评估的信息，这个quora问题是一个很好的起点：这不是一个关于编程的问题-我建议发布在我们需要将用户X给出的评级替换为book Y（如果为0）的页面上。根据您的方式，book Y的评级对于所有用户都是相同的（如果为0）我们需要将用户X给book Y的评分替换为（如果是0）根据您的方式，book Y的评分对所有用户都是相同的（如果是0），这不是错了吗？@rishabh，您想如何计算平均评分？我们需要将用户X给book Y的评分替换为（如果是0）根据你的方式，书Y的评分对所有用户都是相同的（如果是0），我们需要替换用户X给书Y的评分（如果是0），根据你的方式，书Y的评分对所有用户都是相同的（如果是0），这不对吗？@rishabh，那么，您想如何计算平均评级？