本文在下文的程式碼基礎上修改而來：

import pandas as pd


df = None


def dataSet2Matrix(filename):
    """
       匯入訓練資料
       :param filename: 資料檔案路徑
    """
    table_name = ['userId', 'movieId', 'rating', 'timestamp']
    # 按照','分割讀取csv檔案
    ratings = pd.read_table(filename, sep=','
 
, header=0, names=table_name)
    global df
    # 轉換成User-Item矩陣
    df = ratings.pivot(index='userId', columns='movieId', values='rating')

你可以使用MovieLens提供的資料集，不過，為了便於闡述，這裡使用一個很小的測試資料集。
匯入test.csv這個測試資料，看dataSet2Matrix函式是否執行成功。你可以在這裡下載這個測試資料。
資料的格式為：使用者ID,電影ID,評分（5分制）,時間戳

dataSet2Matrix('test.csv'
 
)
df

可以看到，成功將資料集轉化成了UI矩陣。

之後，我們需要構建共同評分矩陣。程式碼如下：

# 構建共同的評分向量
def build_xy(user_id1, user_id2):
    bool_array = df.loc[user_id1].notnull() & df.loc[user_id2].notnull()
    return df.loc[user_id1, bool_array], df.loc[user_id2, bool_array]

我們測試下userId分別為1和2的兩個使用者的共同評分矩陣：

print(build_xy(1,2))

    (movieId
    1    3.5
    2    2.0
    5    5.0
    6    1.5
    8    2.0
    Name: 1, dtype: float64, movieId
    1    2.0
    2    3.5
    5    2.0
    6    3.5
    8    3.0
    Name: 2, dtype: float64)

對比UI矩陣，1和2的共同評分向量是正確的，即使用者1和使用者2都曾經對電影1、2、5、6、8做出過評價。

# 歐幾里德距離
def euclidean(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    try:
        value = sum((x - y)**2)**0.5
    except ZeroDivisionError:
        value = 0
    return value


# 餘弦相似度
def cosine(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    # 分母
    denominator = (sum(x*x)*sum(y*y))**0.5
    try:
        value = sum(x*y)/denominator
    except ZeroDivisionError:
        value = 0
    return value


# 皮爾遜相關係數
def pearson(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    mean1, mean2 = x.mean(), y.mean()
    # 分母
    denominator = (sum((x-mean1)**2)*sum((y-mean2)**2))**0.5
    try:
        value = sum((x - mean1) * (y - mean2)) / denominator
    except ZeroDivisionError:
        value = 0
    return value

我們來看一下使用者1和使用者2的皮爾遜相關係數

print(pearson(1,2))

    -0.9040534990682686

metric_funcs = {
    'euclidean': euclidean,
    'pearson': pearson,
    'cosine': cosine
}


# 計算最近的鄰居
def computeNearestNeighbor(user_id, metric='pearson', k=3):
    """
    metric: 度量函式
    k:      返回k個鄰居
    返回：pd.Series，其中index是鄰居名稱，values是距離
    """
    if metric in ['manhattan', 'euclidean']:
        return df.drop(user_id).index.to_series().apply(metric_funcs[metric], args=(user_id,)).nsmallest(k)
    elif metric in ['pearson', 'cosine']:
        return df.drop(user_id).index.to_series().apply(metric_funcs[metric], args=(user_id,)).nlargest(k)

我們使用皮爾遜相似度計算一下與使用者3興趣最相近的3個使用者：

print(computeNearestNeighbor(3))

    userId
    1    0.819782
    6    0.801784
    7    0.766965
    Name: userId, dtype: float64

# 向給定使用者推薦（返回：pd.Series）
def recommend(user_id):
    # 找到距離最近的使用者id
    nearest_user_id = computeNearestNeighbor(user_id, metric='cosine').index[0]
    print('最近鄰使用者id：', nearest_user_id)
    # 找出鄰居評價過、但自己未曾評價的樂隊（或商品）
    # 結果：index是商品名稱，values是評分
    return df.loc[nearest_user_id, df.loc[user_id].isnull() & df.loc[nearest_user_id].notnull()].sort_values()

嘗試對使用者3做出推薦：

recommend(3)

    最近鄰使用者id： 1

    movieId
    8    2.0
    7    2.5
    Name: 1, dtype: float64