我正在使用书籍交叉数据集，其中有一个文件记录了用户X对书籍Y的评分，但很多条目包含值0，这意味着用户X喜欢书籍Y但没有给出评分。我使用协同过滤，因此这些0条目给我带来了问题，因为如果将0计入，会降低书籍的整体评分。

我是数据科学领域的新手，有人能帮助我处理这个问题吗？

我想到的一个方法是用用户的平均书籍评分来替换0评分，但我不确定这种方法是否有依据支持。

回答：

ISBN代码非常混乱，包含许多错误的ISBN，并且格式不统一。

以下是一些例子：

"User-ID";"ISBN";"Book-Rating""11676";" 9022906116";"7""11676";"\"0432534220\"";"6""11676";"\"2842053052\"";"7""11676";"0 7336 1053 6";"0""11676";"0=965044153";"7""11676";"0000000000";"9""11676";"00000000000";"8""146859";"01402.9182(PB";"7""158509";"0672=630155(P";"0""194500";"(THEWINDMILLP";"0"

所以我建议先对其进行一些清理：

df.ISBN = df.ISBN.str.replace(r'[^\w\d]+', '')

然后计算平均评分：

avg_ratings = df.groupby('ISBN')['Book-Rating'].mean().round().astype(np.int8)

最后，将平均评分设置给那些评分为0的书籍：

df.loc[df['Book-Rating'] == 0, 'Book-Rating'] = df.loc[df['Book-Rating'] == 0, 'ISBN'].map(avg_ratings)

更新：

从Pandas 0.20.1版本开始，.ix索引器已被弃用，取而代之的是更严格的.iloc和.loc索引器。