数据分析 Numpy练习笔记,统计10000本书的平均评分

谁践踏了优雅 2023-07-10 14:07 4阅读 0赞

### 本练习来自毕滢老师网易数据分析师课程学习笔记 ###

'''  
统计书本的平均评分  
读取文件rating.txt中的的数据并分析  
1.共有10000本书，以数字id表示  
2.每个用户的打分为1~5  
3.每一行数据有3个数字,分别表示用户ID,书本ID，该用户对该书的打分  
要求输出:  
所有书本各自的平均得分  
'''

import numpy as np
    
    #第一步,读取数据,并转换为整数
    data=np.genfromtxt('rating.txt',delimiter=',')
    data=data.astype(int)
    
    #第二步,创建两个数组,分别存各个ID书的总得分和总评人数
    rating_sum=np.zeros(10000)   #每个索引位,对应一个ID书的评分合计
    rating_people_count=np.zeros(10000)  #每个索引位,对应一个ID的评分人数
    
    #第三步,for循环读取每行数据
    for rating in data:
    	book_id=rating[1]-1     #此处book_id为索引号,读取索引号为下面两变量赋值作准备
    	rating_sum[book_id] += rating[2]  #第3个数即是评分  加上评分
    	rating_people_count[book_id] +=1   #读一个数据,加上一个评分人
    
    #第四步,输出平均得分
    rating_avg=rating_sum/rating_people_count
    
    print(rating_avg.reshape(10000,1))
    
    '''输出:
    [[4.27970709]
     [4.35135011]
     [3.21434056]
     ...
     [4.32352941]
     [3.70769231]
     [4.00900901]]
    [Finished in 31.8s]
    '''

所需文本数据在附件里,免积分下载.

\---------------------------------------------------------------------------------------------------------------------------------------

## windows下Python扩展二进制包集散网站，好比门户网站 ##

[https://www.lfd.uci.edu/~gohlke/pythonlibs/\#vlfd][https_www.lfd.uci.edu_gohlke_pythonlibs_vlfd]

首先去 http://www.lfd.uci.edu/~gohlke/pythonlibs/\#vlfd 下载对应依赖包，这是外国友人维护的界面风格比较单调，新手朋友们莫被密密麻麻字符吓跑了，进到页面直接 ctrl+F 搜索你需要的包，下载回来安装便是。

原文链接：https://blog.csdn.net/a132582/article/details/70342033

\---------------------------------------------------------------------------------------------------------------------------------------

# 使用Numpy进行矩阵的基本运算 #

[https://wenchao.ren/2019/01/%E4%BD%BF%E7%94%A8Numpy%E8%BF%9B%E8%A1%8C%E7%9F%A9%E9%98%B5%E7%9A%84%E5%9F%BA%E6%9C%AC%E8%BF%90%E7%AE%97/][https_wenchao.ren_2019_01_E4_BD_BF_E7_94_A8Numpy_E8_BF_9B_E8_A1_8C_E7_9F_A9_E9_98_B5_E7_9A_84_E5_9F_BA_E6_9C_AC_E8_BF_90_E7_AE_97]

[https_www.lfd.uci.edu_gohlke_pythonlibs_vlfd]: https://www.lfd.uci.edu/~gohlke/pythonlibs/#vlfd
[https_wenchao.ren_2019_01_E4_BD_BF_E7_94_A8Numpy_E8_BF_9B_E8_A1_8C_E7_9F_A9_E9_98_B5_E7_9A_84_E5_9F_BA_E6_9C_AC_E8_BF_90_E7_AE_97]: https://wenchao.ren/2019/01/%E4%BD%BF%E7%94%A8Numpy%E8%BF%9B%E8%A1%8C%E7%9F%A9%E9%98%B5%E7%9A%84%E5%9F%BA%E6%9C%AC%E8%BF%90%E7%AE%97/