本文是基于JupyterNotebook做的一个基于Python的音乐推荐系统

目录

1、导入库，定义了一个变量data_home，赋值为'https://blog.csdn.net/m0_62994605/article/details/'

2、数据读取

3、对每一个用户分别统计他的播放总量

4、对于每一首歌分别统计他的播放总量

5、看看目前的排行情况

6、数据截取

7、数据拼接

8、数据清洗

9、基于排行榜首的推荐

10、基于歌曲相似度的推荐

11、基于矩阵分解SVD的推荐

导入系统需要依赖的包pandas,numpy,time,sqlites

      读取原始数据文件train_triplets.txt，1，2步骤的代码如下，通过numpy的read_csv方法读取data_home路径下的train_triplets.txt文件，数据文件中只需要用户，歌曲，播放量三个指标；查看数据大小规模以及各指标格式，发现数据大小为(48373586，3)，数据量为千万级别，查看info信息，占用1.1+GB内存，数据量非常庞大，查看大小以及指标代码如下

输出：

输出：

       数据中有用户的编号，歌曲编号，用户对该歌曲播放的次数。 有了基础数据之后，我们还可以统计出关于用户与歌曲的各项指标

 输出：