处理数据集，使用LabelEncoder将所有id转换为从0开始

推荐算法领域的数据集总是从1开始，或是一串数字，每次处理的时候都要多一个user2id的操作，实在是麻烦
干脆在使用数据集前就处理好，并保存下user2id字典，方便后续查询

注意一下：

• sep要改成当前数据集的分隔符（’ ‘,’\t’）
• names改成当前数据集的列名

代码如下：

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder


def load_mat():
    data_path = '../dataset/ml-100k/u.data'
    df_data = pd.read_csv(data_path, header = None, sep='\t', names =['user_id', 'item_id', 'rating','time'])

    lbe_user = LabelEncoder()
    lbe_user.fit(df_data['user_id'].unique())
    converted_user = lbe_user.transform(df_data['user_id'])

    lbe_item = LabelEncoder()  # 弄成离散的
    lbe_item.fit(df_data['item_id'].unique())
    converted_item = lbe_item.transform(df_data['item_id'])

    converted_data = pd.DataFrame()
    converted_data['user_id'] = converted_user
    converted_data['item_id'] = converted_item
    converted_data['rating'] = df_data['rating']

    # 对应关系
    user2id = {}
    for user in lbe_user.classes_:
        user2id.update({user: lbe_user.transform([user])[0]})

    item2id = {}
    for item in lbe_item.classes_:
        item2id.update({item: lbe_item.transform([item])[0]})

    return converted_data,user2id,item2id

def save(converted_data,user2id,item2id):
    sort = converted_data.sort_values(by=['user_id'])
    sort.to_csv('../dataset/ml-100k/data_converted', header=None, index=False)
    np.save('../dataset/ml-100k/user2id.npy', user2id)
    np.save('../dataset/ml-100k/item2id.npy', item2id)
    print('successfully saved')


if __name__ == '__main__':
    converted_data,user2id,item2id = load_mat()
    save(converted_data,user2id,item2id)