Python 用户项目评级矩阵：索引器

我的数据帧urm的形状为（96438,3）

我正在尝试建立一个项目用户评分矩阵：

X = urm[["user_id", "anime_id"]].as_matrix()
y = urm["user_rating"].values
n_u = len(urm["user_id"].unique())
n_m = len(urm["anime_id"].unique())

R = np.zeros((n_u, n_m))
for idx, row in enumerate(X):
    R[row[0]-1, row[1]-1] = y[idx]

如果代码成功，矩阵如下所示：（我用0填充NaN）

索引中的用户id、列中的动画id和值的评级（我从pivot_表中得到了这个矩阵）

在一些教程中它是有效的，但我有一个

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-278-0e06bd0f3133> in <module>()
     15 R = np.zeros((n_u, n_m))
     16 for idx, row in enumerate(X):
---> 17     R[row[0]-1, row[1]-1] = y[idx]

IndexError: index 5276 is out of bounds for axis 1 with size 5143

---------------------------------------------------------------------------
索引器回溯（最后一次最近调用）
在（）
15 R=np.零（（n_，n_m））
16对于idx，枚举（X）中的行：
--->17 R[行[0]-1，行[1]-1]=y[idx]
索引器：索引5276超出大小为5143的轴1的界限

我假设您有非连续的用户ID（或电影ID），这意味着存在具有

• 无评级，或
• 没有电影

在本例中，您设置矩阵维度时假设每个值都是连续的（因为您使用唯一值的数量定义维度），这会导致一些非连续值超出范围

在这种情况下，您有两种选择：

• 您可以通过

  urm[“anime\u id”].max（）将矩阵的大小定义为
  urm[“user\u id”].max（）

• 创建一个字典，将您的值映射到最低的连续值

第一种方法的缺点显然是需要存储更大的矩阵。此外，您还可以使用

scipy.sparse

从现有的数据格式（通常称为）创建矩阵。
您可能会执行以下操作：

from scipy import sparse
# scipy expects the data in (value_column, (x, y))
mat = sparse.coo_matrix((urm["user_rating"], (urm["user_id"], urm["anime_id"]))
# if you want it as a dense matrix
dense_mat = mat.todense()

---

然后，您也可以按照自己的方式提出第二个建议，正如我之前所问的那样，我尝试了丹尼林格的第二个建议，它对我有效。 这就是我写的代码：

def id_to_index(df):
    """
    maps the values to the lowest consecutive values
    :param df: pandas Dataframe with columns user, item, rating
    :return: pandas Dataframe with the extra columns index_item and index_user
    """

    index_item = np.arange(0, len(df.item.unique()))
    index_user = np.arange(0, len(df.user.unique()))

    df_item_index = pd.DataFrame(df.item.unique(), columns=["item"])
    df_item_index["new_index"] = index_item
    df_user_index = pd.DataFrame(df.user.unique(), columns=["user"])
    df_user_index["new_index"] = index_user

    df["index_item"] = df["item"].map(df_item_index.set_index('item')["new_index"]).fillna(0)
    df["index_user"] = df["user"].map(df_user_index.set_index('user')["new_index"]).fillna(0)


    return df

---

请提供一份报告。在这种情况下，错误与您的数据不匹配。此外，向我们展示您对逻辑输出的期望。它很有效。谢谢，我更了解，我将探讨您对稀疏矩阵的建议！

def id_to_index(df):
    """
    maps the values to the lowest consecutive values
    :param df: pandas Dataframe with columns user, item, rating
    :return: pandas Dataframe with the extra columns index_item and index_user
    """

    index_item = np.arange(0, len(df.item.unique()))
    index_user = np.arange(0, len(df.user.unique()))

    df_item_index = pd.DataFrame(df.item.unique(), columns=["item"])
    df_item_index["new_index"] = index_item
    df_user_index = pd.DataFrame(df.user.unique(), columns=["user"])
    df_user_index["new_index"] = index_user

    df["index_item"] = df["item"].map(df_item_index.set_index('item')["new_index"]).fillna(0)
    df["index_user"] = df["user"].map(df_user_index.set_index('user')["new_index"]).fillna(0)


    return df