简介这份Python电影推荐系统源码面向具备一定Python基础、希望动手实践推荐算法的开发者与学习者围绕用户历史行为与相似度计算实现个性化电影推荐帮助理解从数据获取、预处理到模型构建与评估的完整链路。压缩包共15个文件约2.15MB以py脚本、html模板、xlsx数据集、md说明文档和png图片为主另含css样式与依赖清单分别承担算法实现、页面展示、评分与电影数据存储及项目说明等用途。项目涵盖基于内容与协同过滤两类思路并借助pandas、numpy及surprise等库完成数据处理与模型训练还包含预测脚本与准确率、召回率、覆盖率等评估环节。目前已有287人学习下载适合作为课程设计、毕业项目或推荐系统入门的参考案例便于读者对照目录结构梳理工程组织方式快速搭建可运行的推荐流程并理解各模块职责。1. 拿到这份 Python 电影推荐系统源码先别急着 pip install如果你手头正好有一个Python电影推荐系统源码.zip解压后看到Movie_Reconmend-main、flask_app.py、reconmend.py、电影.xlsx、评分.xlsx、templates、static这一堆东西第一反应大概率是「先跑起来再说」。但我劝你先停三分钟。这份源码的价值不在于它用了多前沿的算法而在于它把推荐系统从数据到 Web 展示的完整链路压缩成了一个能塞进压缩包的体量——reconmend.py负责算相似度出推荐结果flask_app.py负责把结果渲染到页面上两个 Excel 文件就是全部数据源。它适合谁适合刚学完 pandas 和 Flask、想找一个「能跑通、能改、能讲清楚」的推荐系统练手项目的人也适合需要快速搭一个演示原型、给非技术同事看效果的开发者。但它的边界同样明显数据量小、没有持久化用户体系、推荐算法是入门级的协同过滤。搞清楚这些你才知道后面该往哪儿使劲。2. 拆开 Movie_Reconmend-main文件结构与数据流走向2.1 从压缩包到可运行目录的映射关系解压之后你看到的目录层级大致是这样的根目录下是Movie_Reconmend-main进去之后flask_app.py和reconmend.py并列电影.xlsx和评分.xlsx躺在同一层templates文件夹里放着first_app.html、_formhelpers.html、hello.htmlstatic里只有style.css外加requirements.txt、.gitignore、readme.md和两张截图。__pycache__里有一个reconmend.cpython-38.pyc说明原作者用的是 Python 3.8 环境。这个结构里最关键的信息是没有数据库没有用户登录模块没有前后端分离。所有数据从 Excel 读所有页面由 Flask 的 Jinja2 模板渲染。这意味着你不需要装 MySQL、不需要配 Redispip install完依赖就能跑。对于想快速验证推荐逻辑的人来说这是优点对于想直接拿去做生产系统的人来说这是需要改造的起点。2.2 两个 Excel 文件到底装了什么电影.xlsx和评分.xlsx是整个系统的数据底座。常见做法是电影.xlsx里至少有一列电影 ID 和一列电影名称可能还有类型、导演等元数据评分.xlsx里则是用户 ID、电影 ID、评分值三列构成一个典型的用户-物品评分矩阵。你可以先用 pandas 快速看一眼数据长什么样别急着跑 Flaskimport pandas as pd # 读取电影和评分数据 movies pd.read_excel(电影.xlsx) ratings pd.read_excel(评分.xlsx) # 查看前几行和列名 print(电影表列名:, movies.columns.tolist()) print(movies.head()) print(评分表列名:, ratings.columns.tolist()) print(ratings.head()) # 检查评分矩阵的稀疏程度 n_users ratings[用户ID].nunique() if 用户ID in ratings.columns else ratings.iloc[:, 0].nunique() n_movies ratings[电影ID].nunique() if 电影ID in ratings.columns else ratings.iloc[:, 1].nunique() print(f用户数: {n_users}, 电影数: {n_movies}, 评分数: {len(ratings)}) print(f稀疏度: {1 - len(ratings) / (n_users * n_movies):.4f})这段代码的逻辑很直接先确认列名因为不同版本的 Excel 列名可能不一样后面所有代码都依赖列名正确。稀疏度计算能让你心里有数——如果稀疏度超过 0.95说明大部分用户只评了极少数电影协同过滤的效果会打折扣。参数方面pd.read_excel默认读第一个 sheet如果你的数据在第二个 sheet需要加sheet_name参数。2.3 reconmend.py 里的推荐逻辑怎么读reconmend.py是算法核心。从文件名拼写Reconmend 而非 Recommend能看出这是个个人项目不用太在意命名规范。常见实现是用 pandas 的pivot_table把评分表转成用户-电影矩阵然后计算用户之间的皮尔逊相关系数或余弦相似度找出与目标用户最相似的 K 个用户加权他们的评分来预测目标用户对未看电影的评分最后按预测分排序返回 Top-N。读这个文件时重点看三个地方相似度计算用的是哪种度量、有没有处理缺失值、推荐结果有没有做去重。很多入门项目的坑就在这里——相似度矩阵里 NaN 没填 0导致后续排序出错或者推荐列表里混进了用户已经看过的电影。# 典型的协同过滤核心逻辑根据源码结构推断 import pandas as pd import numpy as np def load_data(): movies pd.read_excel(电影.xlsx) ratings pd.read_excel(评分.xlsx) return movies, ratings def build_similarity(ratings): # 构建用户-电影评分矩阵 matrix ratings.pivot_table(index用户ID, columns电影ID, values评分) # 计算用户间相似度皮尔逊相关系数 similarity matrix.corr(methodpearson) return matrix, similarity def recommend(user_id, matrix, similarity, top_n5): # 获取目标用户的评分 user_ratings matrix.loc[user_id] # 找到相似用户 sim_scores similarity[user_id].drop(user_id) # 加权预测评分 weighted matrix[sim_scores.index].T.dot(sim_scores) / sim_scores.sum() # 过滤已看过的电影 already_watched user_ratings[user_ratings.notna()].index candidates weighted.drop(already_watched, errorsignore) return candidates.sort_values(ascendingFalse).head(top_n)逻辑说明pivot_table把长表转成宽表行是用户、列是电影、值是评分。corr计算相关系数矩阵对角线是 1。加权预测那一步用相似度做权重对相似用户的评分做加权平均。最后drop掉用户已经评过分的电影避免推荐重复内容。参数上top_n控制返回数量method可以换成cosine或spearman效果会有差异建议都试一遍对比。3. 把 Flask 跑起来从 requirements.txt 到浏览器页面3.1 依赖安装与环境确认requirements.txt里通常列了 Flask、pandas、numpy、openpyxl 这几个包。openpyxl 是 pandas 读写 xlsx 的引擎少了它read_excel会直接报错。安装之前先确认 Python 版本__pycache__里的cpython-38暗示原作者用的是 3.8但你用 3.9 或 3.10 一般也能跑只是某些包的版本可能需要调整。# 创建虚拟环境推荐避免污染全局包 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装依赖 pip install -r requirements.txt # 如果 requirements.txt 里没有 openpyxl手动补上 pip install openpyxl这里有个血泪经验如果你在 Windows 上直接用全局 Python 装依赖可能会遇到 pandas 和 numpy 版本冲突因为其他项目已经装了不同版本。虚拟环境能隔离这个问题。另外如果pip install卡在下载阶段换国内镜像源会快很多但这不是必须的。3.2 flask_app.py 的路由与模板渲染flask_app.py是 Web 入口。典型结构是一个/路由渲染首页first_app.html一个/recommend路由接收表单提交的用户 ID调用reconmend.py里的推荐函数把结果传给模板渲染。_formhelpers.html可能是表单宏定义hello.html可能是测试页面。from flask import Flask, render_template, request from reconmend import load_data, build_similarity, recommend app Flask(__name__) # 启动时加载数据和相似度矩阵避免每次请求都重算 movies, ratings load_data() matrix, similarity build_similarity(ratings) app.route(/) def index(): return render_template(first_app.html) app.route(/recommend, methods[POST]) def get_recommendation(): user_id int(request.form[user_id]) # 调用推荐函数 result recommend(user_id, matrix, similarity, top_n5) # 把电影 ID 映射回电影名称 movie_names movies[movies[电影ID].isin(result.index)][电影名称].tolist() return render_template(hello.html, recommendationsmovie_names) if __name__ __main__: app.run(debugTrue)逻辑说明把数据加载和相似度计算放在模块级别只在 Flask 启动时执行一次而不是每次请求都重算——这是性能上的关键优化。request.form[user_id]从表单获取用户输入render_template把结果传给 HTML。参数上debugTrue适合开发阶段会自动重载代码并显示错误详情但上线时要关掉。3.3 模板文件与静态资源的配合templates里的 HTML 文件用 Jinja2 语法。first_app.html大概率是一个表单页面让用户输入用户 IDhello.html接收recommendations变量并循环展示。static/style.css负责样式Flask 默认从/static路径提供静态文件。!-- first_app.html 的典型结构 -- !DOCTYPE html html head link relstylesheet href{{ url_for(static, filenamestyle.css) }} /head body form action/recommend methodpost label输入用户 ID/label input typenumber nameuser_id required button typesubmit获取推荐/button /form /body /html!-- hello.html 的典型结构 -- !DOCTYPE html html body h2为你推荐的电影/h2 ul {% for movie in recommendations %} li{{ movie }}/li {% endfor %} /ul /body /html注意url_for的用法——它根据路由函数名生成 URL比硬编码路径更可靠。如果你的 CSS 没生效先检查static文件夹位置是否正确以及url_for里的文件名是否和实际文件名一致。4. 避坑与排查跑不起来时先看这几条4.1 现象FileNotFoundError: [Errno 2] No such file or directory: 电影.xlsx原因Flask 的工作目录和 Excel 文件所在目录不一致。如果你在Movie_Reconmend-main的上级目录执行python Movie_Reconmend-main/flask_app.py相对路径就会找不到文件。解决要么cd到Movie_Reconmend-main再运行要么在代码里用os.path.dirname(__file__)拼接绝对路径。我一般会在load_data函数开头加一行base_dir os.path.dirname(os.path.abspath(__file__))然后用os.path.join(base_dir, 电影.xlsx)。4.2 现象KeyError: 用户ID或KeyError: 电影ID原因Excel 里的列名和代码里写死的列名不一致。可能是空格、大小写、或者你拿到的版本列名就是中文的「用户」而不是「用户ID」。解决先跑一遍 2.2 节里的print(movies.columns.tolist())把实际列名打印出来然后改代码里的列名引用。别凭猜。4.3 现象推荐结果为空列表原因目标用户 ID 不在评分表里或者相似度计算后所有候选电影的预测评分都是 NaN。解决先确认用户 ID 存在——ratings[用户ID].unique()看一眼。如果用户存在但结果为空检查相似度矩阵里该用户所在行是否全是 NaN说明该用户只评了一部电影无法计算相关系数。这种情况要么换用户要么改用基于物品的协同过滤。4.4 现象Flask 启动后浏览器访问127.0.0.1:5000显示连接被拒绝原因Flask 默认只监听127.0.0.1如果你在虚拟机或容器里跑需要改成0.0.0.0。另外端口 5000 可能被其他程序占用。解决app.run(host0.0.0.0, port5001, debugTrue)换一个端口试试。如果还是不行检查防火墙设置。4.5 现象ModuleNotFoundError: No module named flask原因虚拟环境没激活或者pip install装到了全局环境但运行时用的是另一个 Python 解释器。解决which python和which pip确认路径一致。在 PyCharm 或 VSCode 里检查项目解释器是否指向你创建的虚拟环境。5. 从能跑到好用换相似度算法与加一个评估脚本5.1 把皮尔逊换成余弦相似度对比推荐结果源码里默认用的可能是皮尔逊相关系数。皮尔逊对评分绝对值敏感适合评分尺度统一的场景余弦相似度更关注方向适合稀疏矩阵。你可以在reconmend.py里加一个参数来切换def build_similarity(ratings, methodpearson): matrix ratings.pivot_table(index用户ID, columns电影ID, values评分) if method cosine: # 余弦相似度需要填充 NaN 为 0 filled matrix.fillna(0) from sklearn.metrics.pairwise import cosine_similarity sim_array cosine_similarity(filled) similarity pd.DataFrame(sim_array, indexmatrix.index, columnsmatrix.index) else: similarity matrix.corr(methodpearson) return matrix, similarity逻辑说明余弦相似度要求矩阵没有 NaN所以先fillna(0)。cosine_similarity返回的是 numpy 数组需要包回 DataFrame 才能保持索引对齐。参数上method控制算法选择你可以写个循环把两种方法的结果都跑出来人工对比 Top-5 推荐的差异。5.2 加一个简单的评估脚本命中率与覆盖率推荐系统不能只看「能不能出结果」还得看「出得准不准」。在数据量小的情况下可以用留一法做快速评估对每个用户把他评分最高的一部电影藏起来用剩下的数据训练看推荐列表里有没有这部被藏起来的电影。def evaluate_hit_rate(ratings, similarity, matrix, top_n5): hits 0 total 0 for user_id in matrix.index: user_ratings matrix.loc[user_id].dropna() if len(user_ratings) 2: continue # 藏起评分最高的一部 holdout user_ratings.idxmax() # 用剩余数据计算推荐简化版实际需重新计算相似度 sim_scores similarity[user_id].drop(user_id) weighted matrix[sim_scores.index].T.dot(sim_scores) / sim_scores.sum() candidates weighted.drop(user_ratings.index, errorsignore) top_recs candidates.sort_values(ascendingFalse).head(top_n).index.tolist() if holdout in top_recs: hits 1 total 1 return hits / total if total 0 else 0逻辑说明这个评估脚本是简化版严格来说每次留一法都应该重新计算相似度矩阵但为了演示目的这里复用了全局相似度。hit_rate越高说明推荐越准。参数上top_n越大命中率越高但实际推荐位有限一般看 Top-5 或 Top-10。5.3 一个我踩过的坑Excel 里的评分是字符串有一次我拿到类似的数据评分.xlsx里的评分列看起来是数字但 pandas 读进来是 object 类型导致pivot_table之后无法计算相关系数报TypeError。从那以后我每次读完 Excel 都强制走一遍pd.to_numericratings[评分] pd.to_numeric(ratings[评分], errorscoerce) ratings ratings.dropna(subset[评分])errorscoerce会把无法转换的值变成 NaN然后dropna删掉。这一步能省掉后面很多玄学报错。希望帮到你。本文还有配套的精品资源点击获取
Python电影推荐系统源码解析：从Excel数据到Flask Web的协同过滤实战
简介这份Python电影推荐系统源码面向具备一定Python基础、希望动手实践推荐算法的开发者与学习者围绕用户历史行为与相似度计算实现个性化电影推荐帮助理解从数据获取、预处理到模型构建与评估的完整链路。压缩包共15个文件约2.15MB以py脚本、html模板、xlsx数据集、md说明文档和png图片为主另含css样式与依赖清单分别承担算法实现、页面展示、评分与电影数据存储及项目说明等用途。项目涵盖基于内容与协同过滤两类思路并借助pandas、numpy及surprise等库完成数据处理与模型训练还包含预测脚本与准确率、召回率、覆盖率等评估环节。目前已有287人学习下载适合作为课程设计、毕业项目或推荐系统入门的参考案例便于读者对照目录结构梳理工程组织方式快速搭建可运行的推荐流程并理解各模块职责。1. 拿到这份 Python 电影推荐系统源码先别急着 pip install如果你手头正好有一个Python电影推荐系统源码.zip解压后看到Movie_Reconmend-main、flask_app.py、reconmend.py、电影.xlsx、评分.xlsx、templates、static这一堆东西第一反应大概率是「先跑起来再说」。但我劝你先停三分钟。这份源码的价值不在于它用了多前沿的算法而在于它把推荐系统从数据到 Web 展示的完整链路压缩成了一个能塞进压缩包的体量——reconmend.py负责算相似度出推荐结果flask_app.py负责把结果渲染到页面上两个 Excel 文件就是全部数据源。它适合谁适合刚学完 pandas 和 Flask、想找一个「能跑通、能改、能讲清楚」的推荐系统练手项目的人也适合需要快速搭一个演示原型、给非技术同事看效果的开发者。但它的边界同样明显数据量小、没有持久化用户体系、推荐算法是入门级的协同过滤。搞清楚这些你才知道后面该往哪儿使劲。2. 拆开 Movie_Reconmend-main文件结构与数据流走向2.1 从压缩包到可运行目录的映射关系解压之后你看到的目录层级大致是这样的根目录下是Movie_Reconmend-main进去之后flask_app.py和reconmend.py并列电影.xlsx和评分.xlsx躺在同一层templates文件夹里放着first_app.html、_formhelpers.html、hello.htmlstatic里只有style.css外加requirements.txt、.gitignore、readme.md和两张截图。__pycache__里有一个reconmend.cpython-38.pyc说明原作者用的是 Python 3.8 环境。这个结构里最关键的信息是没有数据库没有用户登录模块没有前后端分离。所有数据从 Excel 读所有页面由 Flask 的 Jinja2 模板渲染。这意味着你不需要装 MySQL、不需要配 Redispip install完依赖就能跑。对于想快速验证推荐逻辑的人来说这是优点对于想直接拿去做生产系统的人来说这是需要改造的起点。2.2 两个 Excel 文件到底装了什么电影.xlsx和评分.xlsx是整个系统的数据底座。常见做法是电影.xlsx里至少有一列电影 ID 和一列电影名称可能还有类型、导演等元数据评分.xlsx里则是用户 ID、电影 ID、评分值三列构成一个典型的用户-物品评分矩阵。你可以先用 pandas 快速看一眼数据长什么样别急着跑 Flaskimport pandas as pd # 读取电影和评分数据 movies pd.read_excel(电影.xlsx) ratings pd.read_excel(评分.xlsx) # 查看前几行和列名 print(电影表列名:, movies.columns.tolist()) print(movies.head()) print(评分表列名:, ratings.columns.tolist()) print(ratings.head()) # 检查评分矩阵的稀疏程度 n_users ratings[用户ID].nunique() if 用户ID in ratings.columns else ratings.iloc[:, 0].nunique() n_movies ratings[电影ID].nunique() if 电影ID in ratings.columns else ratings.iloc[:, 1].nunique() print(f用户数: {n_users}, 电影数: {n_movies}, 评分数: {len(ratings)}) print(f稀疏度: {1 - len(ratings) / (n_users * n_movies):.4f})这段代码的逻辑很直接先确认列名因为不同版本的 Excel 列名可能不一样后面所有代码都依赖列名正确。稀疏度计算能让你心里有数——如果稀疏度超过 0.95说明大部分用户只评了极少数电影协同过滤的效果会打折扣。参数方面pd.read_excel默认读第一个 sheet如果你的数据在第二个 sheet需要加sheet_name参数。2.3 reconmend.py 里的推荐逻辑怎么读reconmend.py是算法核心。从文件名拼写Reconmend 而非 Recommend能看出这是个个人项目不用太在意命名规范。常见实现是用 pandas 的pivot_table把评分表转成用户-电影矩阵然后计算用户之间的皮尔逊相关系数或余弦相似度找出与目标用户最相似的 K 个用户加权他们的评分来预测目标用户对未看电影的评分最后按预测分排序返回 Top-N。读这个文件时重点看三个地方相似度计算用的是哪种度量、有没有处理缺失值、推荐结果有没有做去重。很多入门项目的坑就在这里——相似度矩阵里 NaN 没填 0导致后续排序出错或者推荐列表里混进了用户已经看过的电影。# 典型的协同过滤核心逻辑根据源码结构推断 import pandas as pd import numpy as np def load_data(): movies pd.read_excel(电影.xlsx) ratings pd.read_excel(评分.xlsx) return movies, ratings def build_similarity(ratings): # 构建用户-电影评分矩阵 matrix ratings.pivot_table(index用户ID, columns电影ID, values评分) # 计算用户间相似度皮尔逊相关系数 similarity matrix.corr(methodpearson) return matrix, similarity def recommend(user_id, matrix, similarity, top_n5): # 获取目标用户的评分 user_ratings matrix.loc[user_id] # 找到相似用户 sim_scores similarity[user_id].drop(user_id) # 加权预测评分 weighted matrix[sim_scores.index].T.dot(sim_scores) / sim_scores.sum() # 过滤已看过的电影 already_watched user_ratings[user_ratings.notna()].index candidates weighted.drop(already_watched, errorsignore) return candidates.sort_values(ascendingFalse).head(top_n)逻辑说明pivot_table把长表转成宽表行是用户、列是电影、值是评分。corr计算相关系数矩阵对角线是 1。加权预测那一步用相似度做权重对相似用户的评分做加权平均。最后drop掉用户已经评过分的电影避免推荐重复内容。参数上top_n控制返回数量method可以换成cosine或spearman效果会有差异建议都试一遍对比。3. 把 Flask 跑起来从 requirements.txt 到浏览器页面3.1 依赖安装与环境确认requirements.txt里通常列了 Flask、pandas、numpy、openpyxl 这几个包。openpyxl 是 pandas 读写 xlsx 的引擎少了它read_excel会直接报错。安装之前先确认 Python 版本__pycache__里的cpython-38暗示原作者用的是 3.8但你用 3.9 或 3.10 一般也能跑只是某些包的版本可能需要调整。# 创建虚拟环境推荐避免污染全局包 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装依赖 pip install -r requirements.txt # 如果 requirements.txt 里没有 openpyxl手动补上 pip install openpyxl这里有个血泪经验如果你在 Windows 上直接用全局 Python 装依赖可能会遇到 pandas 和 numpy 版本冲突因为其他项目已经装了不同版本。虚拟环境能隔离这个问题。另外如果pip install卡在下载阶段换国内镜像源会快很多但这不是必须的。3.2 flask_app.py 的路由与模板渲染flask_app.py是 Web 入口。典型结构是一个/路由渲染首页first_app.html一个/recommend路由接收表单提交的用户 ID调用reconmend.py里的推荐函数把结果传给模板渲染。_formhelpers.html可能是表单宏定义hello.html可能是测试页面。from flask import Flask, render_template, request from reconmend import load_data, build_similarity, recommend app Flask(__name__) # 启动时加载数据和相似度矩阵避免每次请求都重算 movies, ratings load_data() matrix, similarity build_similarity(ratings) app.route(/) def index(): return render_template(first_app.html) app.route(/recommend, methods[POST]) def get_recommendation(): user_id int(request.form[user_id]) # 调用推荐函数 result recommend(user_id, matrix, similarity, top_n5) # 把电影 ID 映射回电影名称 movie_names movies[movies[电影ID].isin(result.index)][电影名称].tolist() return render_template(hello.html, recommendationsmovie_names) if __name__ __main__: app.run(debugTrue)逻辑说明把数据加载和相似度计算放在模块级别只在 Flask 启动时执行一次而不是每次请求都重算——这是性能上的关键优化。request.form[user_id]从表单获取用户输入render_template把结果传给 HTML。参数上debugTrue适合开发阶段会自动重载代码并显示错误详情但上线时要关掉。3.3 模板文件与静态资源的配合templates里的 HTML 文件用 Jinja2 语法。first_app.html大概率是一个表单页面让用户输入用户 IDhello.html接收recommendations变量并循环展示。static/style.css负责样式Flask 默认从/static路径提供静态文件。!-- first_app.html 的典型结构 -- !DOCTYPE html html head link relstylesheet href{{ url_for(static, filenamestyle.css) }} /head body form action/recommend methodpost label输入用户 ID/label input typenumber nameuser_id required button typesubmit获取推荐/button /form /body /html!-- hello.html 的典型结构 -- !DOCTYPE html html body h2为你推荐的电影/h2 ul {% for movie in recommendations %} li{{ movie }}/li {% endfor %} /ul /body /html注意url_for的用法——它根据路由函数名生成 URL比硬编码路径更可靠。如果你的 CSS 没生效先检查static文件夹位置是否正确以及url_for里的文件名是否和实际文件名一致。4. 避坑与排查跑不起来时先看这几条4.1 现象FileNotFoundError: [Errno 2] No such file or directory: 电影.xlsx原因Flask 的工作目录和 Excel 文件所在目录不一致。如果你在Movie_Reconmend-main的上级目录执行python Movie_Reconmend-main/flask_app.py相对路径就会找不到文件。解决要么cd到Movie_Reconmend-main再运行要么在代码里用os.path.dirname(__file__)拼接绝对路径。我一般会在load_data函数开头加一行base_dir os.path.dirname(os.path.abspath(__file__))然后用os.path.join(base_dir, 电影.xlsx)。4.2 现象KeyError: 用户ID或KeyError: 电影ID原因Excel 里的列名和代码里写死的列名不一致。可能是空格、大小写、或者你拿到的版本列名就是中文的「用户」而不是「用户ID」。解决先跑一遍 2.2 节里的print(movies.columns.tolist())把实际列名打印出来然后改代码里的列名引用。别凭猜。4.3 现象推荐结果为空列表原因目标用户 ID 不在评分表里或者相似度计算后所有候选电影的预测评分都是 NaN。解决先确认用户 ID 存在——ratings[用户ID].unique()看一眼。如果用户存在但结果为空检查相似度矩阵里该用户所在行是否全是 NaN说明该用户只评了一部电影无法计算相关系数。这种情况要么换用户要么改用基于物品的协同过滤。4.4 现象Flask 启动后浏览器访问127.0.0.1:5000显示连接被拒绝原因Flask 默认只监听127.0.0.1如果你在虚拟机或容器里跑需要改成0.0.0.0。另外端口 5000 可能被其他程序占用。解决app.run(host0.0.0.0, port5001, debugTrue)换一个端口试试。如果还是不行检查防火墙设置。4.5 现象ModuleNotFoundError: No module named flask原因虚拟环境没激活或者pip install装到了全局环境但运行时用的是另一个 Python 解释器。解决which python和which pip确认路径一致。在 PyCharm 或 VSCode 里检查项目解释器是否指向你创建的虚拟环境。5. 从能跑到好用换相似度算法与加一个评估脚本5.1 把皮尔逊换成余弦相似度对比推荐结果源码里默认用的可能是皮尔逊相关系数。皮尔逊对评分绝对值敏感适合评分尺度统一的场景余弦相似度更关注方向适合稀疏矩阵。你可以在reconmend.py里加一个参数来切换def build_similarity(ratings, methodpearson): matrix ratings.pivot_table(index用户ID, columns电影ID, values评分) if method cosine: # 余弦相似度需要填充 NaN 为 0 filled matrix.fillna(0) from sklearn.metrics.pairwise import cosine_similarity sim_array cosine_similarity(filled) similarity pd.DataFrame(sim_array, indexmatrix.index, columnsmatrix.index) else: similarity matrix.corr(methodpearson) return matrix, similarity逻辑说明余弦相似度要求矩阵没有 NaN所以先fillna(0)。cosine_similarity返回的是 numpy 数组需要包回 DataFrame 才能保持索引对齐。参数上method控制算法选择你可以写个循环把两种方法的结果都跑出来人工对比 Top-5 推荐的差异。5.2 加一个简单的评估脚本命中率与覆盖率推荐系统不能只看「能不能出结果」还得看「出得准不准」。在数据量小的情况下可以用留一法做快速评估对每个用户把他评分最高的一部电影藏起来用剩下的数据训练看推荐列表里有没有这部被藏起来的电影。def evaluate_hit_rate(ratings, similarity, matrix, top_n5): hits 0 total 0 for user_id in matrix.index: user_ratings matrix.loc[user_id].dropna() if len(user_ratings) 2: continue # 藏起评分最高的一部 holdout user_ratings.idxmax() # 用剩余数据计算推荐简化版实际需重新计算相似度 sim_scores similarity[user_id].drop(user_id) weighted matrix[sim_scores.index].T.dot(sim_scores) / sim_scores.sum() candidates weighted.drop(user_ratings.index, errorsignore) top_recs candidates.sort_values(ascendingFalse).head(top_n).index.tolist() if holdout in top_recs: hits 1 total 1 return hits / total if total 0 else 0逻辑说明这个评估脚本是简化版严格来说每次留一法都应该重新计算相似度矩阵但为了演示目的这里复用了全局相似度。hit_rate越高说明推荐越准。参数上top_n越大命中率越高但实际推荐位有限一般看 Top-5 或 Top-10。5.3 一个我踩过的坑Excel 里的评分是字符串有一次我拿到类似的数据评分.xlsx里的评分列看起来是数字但 pandas 读进来是 object 类型导致pivot_table之后无法计算相关系数报TypeError。从那以后我每次读完 Excel 都强制走一遍pd.to_numericratings[评分] pd.to_numeric(ratings[评分], errorscoerce) ratings ratings.dropna(subset[评分])errorscoerce会把无法转换的值变成 NaN然后dropna删掉。这一步能省掉后面很多玄学报错。希望帮到你。本文还有配套的精品资源点击获取
