首先我们先下载一个叫做ml-1m.dat的文件，该文件包含来自6000名用户对于4000部电影的100万条评论数据。它分为三个表：评分，用户信息和电影信息。将该数据通过pandas.read_table将各个表分别读到一个pandas DataFrame对象中：

import pandas as pd

unames = ['user_id', 'gender', 'age', 'occupation', 'zip']

users = pd.read_table('./ml-1m/users.dat', sep='::', header=None, names=unames, engine = 'python')

rnames = ['user_id', 'move_id', 'rating', 'timestamp']

ratings = pd.read_table('./ml-1m/ratings.dat', sep='::', header=None, names= rnames, engine = 'python')

mnames = ['movie_id', 'title', 'genres']

movies = pd.read_table('./ml-1m/movies.dat', sep='::', header = None, names= mnames, engine = 'python')

print(users[:5])

print(ratings[:5])

print(movies[:5])

输出结果：

假设我们要根据性别和年龄计算某部电影的平均得分，可以将所有数据合并到一个表中。

data = pd.merge(pd.merge(ratings, users), movies)

print(data)

输出的结果太长，请各位自行运行。

只要熟悉了pandas，就能轻松地根据任意用户或者电影属性对评分数据进行聚合操作，为了按性别计算每一部电影的评价得分，我们可以使用pivot _table方法：

mean_ratings = data.pivot_table('rating', index=‘movie_id’, columns='gender', aggfunc='mean')

print(mean_ratings[:5])

输出结果：

如果我们打算过滤掉评分不够250条的电影，为了达到这个目的，我们先对movie_id进行分组，然后利用size()得到一个含有各个电影分组大小的series

rating_by_title = data.groupby('movie_id').size()

print(rating_by_title[:10])

输出结果：

然后在分组里面找到评论大于250的电影名称，再对其评分进行计算。

active_title = rating_by_title.index[rating_by_title >= 250]

print(active_title)

mean_ratings = mean_ratings.loc[active_title]

print(mean_ratings[:10])

输出结果：

为了了解女性观众喜欢的电影，可以对F列进行降序排列：

top_female_ratings = mean_ratings.sort_index(by='F', ascending =False)

print(top_female_ratings[:10])

输出结果：