初学Python实现推荐系统

用Python实现地点推荐系统

##写在前面

之前没有学过Python，课程要求参加数据挖掘比赛，选了DataCastle上的一个地点推荐系统。
初入门的时候看到Python的各种功能不知所措，什么Pandas、Sklearn、Numpy之类的头很大。除了讲原理的课本之外，参考书也陆陆续续买了几本，什么*《Python数据分析与挖掘实战》、《Python基础教程（第二版）》*之类的书，看的也是很磨人。
选择的这个地点推荐系统，相比而言做的人比较少，比赛论坛的参考资料也不多，因此准备写篇文章好好梳理一下自己学习的过程，为后来学习数据挖掘和推荐系统的同学们做个介绍。
感谢优快云的各位大神，看了许多博客真是让我受益匪浅。
如Thinkgamer的《<推荐系统>基于用户和Item的协同过滤算法的分析与实现（Python）》
##题目分析
首先对本赛题进行分析，题目要求对每个用户推荐50个可能去的地点，想到可以通过KNN进行相关性的计算，推荐最相似的邻居。
评分标准是计算平均截断召回率。
$$Recall=\frac{1}{M}\sum ^u\frac{|V_u\bigcap S_u|}{V_u}$$
##数据处理
两个文件，一个是mappedpoiinfo.txt，用于记录地图上各地点的详细信息；一个是train.txt用于记录用户与地点的关系。地点信息中的每个地点信息：地点ID，纬度，经度，所在城市，粗类别（有缺失），细类别（有缺失）。
用户信息中的每一行：用户ID，地点ID，访问次数（本题中访问次数均为1）

##算法选择
在此参考了Thinkgamer博文中的KNN算法，利用Pearson矩阵

##代码实现

---

# -*-coding:utf-8-*-
import csv
import numpy as np
import pandas as pd
from math import sqrt
from pandas import Series, DataFrame

fp = open(