Question

我有一个像这样的数据框：

user_id anime_id    user_rating
0   1   20  7.808497
1   3   20  8.000000
2   5   20  6.000000
3   6   20  7.808497
4   10  20  7.808497

它看起来像是与推荐系统一起播放的基本数据框。

我有大约700万行，我像这样减少了数据框：

df = df[df["user_id"] < 2000]

让我们打印n_users，n_items，我当然有1999个用户，并且有〜6000items

我有2个问题。如果我想建立这样的训练数据集：

ratings = np.zeros((n_users, n_items))
for row in df.itertuples():
    ratings[row[1]-1, row[2]-1] = row[3]

我有一个`IndexError：

index 950 is out of bounds for axis 0 with size 949`

我在第[0]行中尝试了新内容，但评论不起作用：

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]

仍然是相同的IndexError。

如果我在R.index中通过if行传递代码：代码仅返回np.zeros矩阵

Answer 1

row[1]代表user_id，而不是您的数据框索引。一旦到达user_id大于第一维度ratings的行，您将看到IndexError。而是使用row[0]或row.Index提取行索引，然后可以使用该索引为ratings数组建立索引。

此外，请注意，df[df["user_id"] < 2000]本身并不能保证您拥有1999个用户。例如，某些user_id整数标识符可能会丢失。

索引超出范围

1 个答案: