启动
./bin/pycharm.sh
django-admin startproject movie_recommendation_project
cd movie_recommendation_project/
python manage.py movie_recommendation_app
python manage.py startapp movle_recommendation_app
ls
python manage.py runserver
Using the URLconf defined in movie_recommendation_project.urls, Django tried these URL patterns, in this order:
admin/
movie/
The empty path didn’t match any of these.
You’re seeing this error because you have DEBUG = True in your Django settings file. Change that to False, and Django will display a standard 404 page.
def recommendation(request):
# 创建Spark会话
spark = SparkSession.builder.appName("MovieRecommendation").getOrCreate()
# 加载电影评分数据集
data_path = "/home/hadoop/Downloads/movie_recommend/movie_recommend/personalRatings.dat" # 替换为实际数据文件的路径
# 使用正确的分隔符来读取数据
ratings = spark.read.csv(data_path, header=False, sep="::", inferSchema=True)
# 为数据集添加列名
ratings = ratings.withColumnRenamed("_c0", "userId") \
.withColumnRenamed("_c1", "movieId") \
.withColumnRenamed("_c2", "rating") \
.withColumnRenamed("_c3", "timestamp")
# ratings.show(10)
# 创建ALS推荐模型
als = ALS(userCol="userId", itemCol="movieId", ratingCol="rating", coldStartStrategy="drop")
model = als.fit(ratings)
# 为某个用户生成电影推荐
user_id = 3 # 替换为您要为其生成推荐的用户ID
user_ratings = ratings.filter(ratings["userId"] == user_id)
# user_ratings.show()
user_unrated_movies = ratings.filter(ratings["userId"] != user_id).distinct()
# user_unrated_movies = ratings.filter(ratings["userId"] != user_id).select("movieId").distinct()
# user_unrated_movies.show()
recommendations = model.transform(user_unrated_movies)
# 获取前N个推荐电影
top_n_recommendations = recommendations.orderBy("prediction", ascending=False).limit(10)
# top_n_recommendations.show()
# for recommendation2 in top_n_recommendations.collect():
# print(recommendation2.movieId)
# 在视图中进行数据转换
recommendation_data = [{"movieId": row.movieId, "prediction": row.prediction} for row in top_n_recommendations.collect()]
# 将数据传递给模板
context = {
"user_id": user_id,
"recommendations": recommendation_data # 使用转换后的数据
}
return render(request, "recommendation.html", context)
1::3::3::978301968
1::4::4::978300275
1::5::5::978824291
1::6::3::978302268
1::7::5::978302039
1::8::5::978300719
2::7::7::978302037
2::8::8::978300718
3::1::5::978300760
3::2::3::978302109
4::7::5::178302039
4::8::5::178300719
电影推荐
电影推荐结果
为用户 {{ user_id }} 推荐的电影:
{% for recommendation in recommendations %}
- 电影ID: {{ recommendation.movieId }}, 推荐评分: {{ recommendation.prediction }}
{% endfor %}
DiVoMiner®-让研究更容易
Django(含 flask)框架下 web 软件任务分工(供参考)
:最多 5 个人一组(得分:100%、90%、
80%、70%、70%),最少 1 个人一组。最后一次实践课展示答辩软件。
1. 数据集导入功能(设置 csv、excel、txt 等格式文件导入按钮,点击可上传导入数据集),
数据集不少于 5000 条,选文本等非结构数据(新浪微博评论、抖音视频评论、领导留
言板数据、裁判文书数据等)加分
2. 数据集统计信息可视化:(
1)基本信息:数据量、行、列数目等(
2)类别数据的占比饼
图
等 等 ,
可 参 考 :
https://me.divominer.cn/projects3. 数据预处理选项按钮(可选择处理哪些列,预处理结果保存为新的列,设置缺失值处理,
数值型数据标准化,类别型数据编码等按钮,按后完成相应操作,文本数据预处理可以
自行增加更多按钮,实现更多预处理功能)
4. 实现如下功能之一即可:分类、聚类、回归、情感分析、主题挖掘等。设置模型选择下
拉菜单,可选择相应模型,选择后,对相应模型进行 分析,分析参考思路:
5. 设置数据分析报告模板(word 文件模板),分析完一键生成分析报告,对应的可视化图、
模型结果、模型评价等信息存入 word 模板,并对话框提示分析报告存放位置。(参考如
下图)。
6. 软件封装成 exe 文件
render函数通常需要三个参数,但也可以接受可选参数。这些参数的一般形式如下:
pythonCopy code
render(request, template_name, context, content_type=None, status=None, using=None)
urlpatterns = [ path('', views.movie, name='movie'), path('recommendation/', views.recommendation, name='recommendation'), path('chart/', views.chart, name='chart'), ]解释一下这个
这是一个典型的Django应用中的URL映射(URL patterns)定义,它指定了不同URL路径与视图函数之间的映射关系。让我解释这个URL映射的每一部分:
总之,这个URL映射定义允许Django应用在根路径(空路径)、"/recommendation/"和"/chart/"路径上响应不同的视图函数,并为每个路径分配了一个独特的名称,以便在代码中引用和生成URL。这有助于管理应用中的不同URL路径和视图之间的关系。
django==2.1
pylint
pylint-django
autopep8
pip config set global.index-url Simple Index
创建
django-admin startproject TradingMonitorcd
cd TradingMonitor/
python manage.py migrate
为这个系统添加管理员账户: python3 manage.py createsuperuser
python manage.py createsuperuser #配置用户
————————————————
版权声明:本文为CSDN博主「qq_47150350」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:如何使用虚拟环境搭建一个Django项目_虚拟环境中如何创建django项目-CSDN博客
python manage.py runserver
https://github.com/CavalryZsl/Echarts-Django
开发一个整合了Django和PySpark的微博舆情分析软件需要进行一系列的步骤。以下是一个简要的计划,涵盖了主要的开发任务和步骤。请注意,这只是一个起点,实际的开发可能需要根据具体需求进行调整和扩展。
以上步骤是一个基本的框架,实际项目中可能需要根据具体需求和团队技能进行调整。在开发过程中,及时测试和迭代是非常重要的,以确保软件的质量和稳定性。