用 NumPy 玩转电影评分系统：从随机数据到洞察分析
🎬 一、灵感来源：这片我给满分！
如果你经常在豆瓣、IMDb 上冲浪，你会发现有的人动不动就打 10 分，
也有的人连《阿凡达》都只给个 6 分。
那问题来了：
如果我们用 NumPy 来分析一群用户的打分，会发现怎样的规律？
今天，我们就做一个小实验，用 NumPy 还原一个「影评网站」的世界。
🍿 二、项目目标
我们要模拟一份影评数据表，里面包含：
- 100 个用户
- 20 部电影
- 每个用户对每部电影的评分（1～10 分）
目标：用 NumPy 模拟一个 100 个用户、20 部电影的评分矩阵，
并完成平均分、最受欢迎电影、两极分化电影等分析。
🧮 三、用 NumPy 模拟一份评分矩阵
准备工作
pip install numpy matplotlib别忘了导入：
import numpy as np
import matplotlib.pyplot as plt[collapse title="展开查看代码"]
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(42)
num_users = 100
num_movies = 20
# 用户打分偏好：有人偏高、有人偏低
user_bias = np.random.normal(0, 1, num_users)
# 电影总体质量
movie_quality = np.random.normal(0, 1, num_movies)
# 评分生成公式 = 用户偏好 + 电影质量 + 一点随机噪声
ratings = np.add.outer(user_bias, movie_quality) + np.random.normal(0, 0.8, (num_users, num_movies))
# 归一化到 1~10 之间
ratings = 1 + 9 * (ratings - ratings.min()) / (ratings.max() - ratings.min())
ratings = np.round(ratings, 1)输出：
[[4.9 4.6 6.3 ... 4.4 7.2 5.4]
[4. 5.6 3.6 ... 4.4 5.2 6.2]
[3.8 6. 6.3 ... 5.8 6.6 8.3]
...
[4.8 5. 5.4 ... 5.2 6.3 5.8]
[4. 5.3 3.9 ... 3.4 5.1 6.4]
[4. 4. 4.1 ... 3.3 4.2 5.5]][/collapse]
运行后你会得到一个 100×20 的评分矩阵，
每个数字都像是某个网友的「一己之见」。
四、核心分析：让数据开口说话 🎤
1️⃣ 每部电影的平均分
movie_avg = ratings.mean(axis=0)
print(movie_avg)
# [3.955 4.783 4.802 4.381 4.964 5.408 6.674 5.334 5.324 5.192 3.392 5.06
5.159 7.327 5.096 5.369 5.079 4.13 6.187 5.861]这行代码，直接把 100 个用户的打分在“电影维度”上取平均。
不需要任何循环，性能炸裂。
[hint tip]axis=0 → 对列求平均（即每部电影）axis=1 → 对行求平均（即每个用户）
[/hint]
2️⃣ 找出最受欢迎的电影
best_movie_idx = np.argmax(movie_avg)
print(f"最受欢迎电影编号：{best_movie_idx}，平均分：{movie_avg[best_movie_idx]:.2f}")
# 最受欢迎电影编号：13，平均分：7.333️⃣ 找出“争议最大”的电影（分数最分散）
movie_std = ratings.std(axis=0)
most_divided_idx = np.argmax(movie_std)
print(f"最两极分化电影编号：{most_divided_idx}，标准差：{movie_std[most_divided_idx]:.2f}")
# 最两极分化电影编号：11，标准差：1.174️⃣ 哪个用户最严格？哪个最随便？
user_avg = ratings.mean(axis=1)
strict_user = np.argmin(user_avg)
easy_user = np.argmax(user_avg)
print(f"最严格用户：{strict_user}，平均打分：{user_avg[strict_user]:.2f}")
print(f"最佛系用户：{easy_user}，平均打分：{user_avg[easy_user]:.2f}")
# 最严格用户：74，平均打分：3.01
# 最佛系用户：6，平均打分：6.71五、可视化评分数据 🎨
1️⃣ 平均分柱状图
plt.figure(figsize=(10,5))
plt.bar(range(num_movies), movie_avg, color='skyblue')
plt.xlabel('电影编号')
plt.ylabel('平均评分')
plt.title('各电影平均评分')
plt.show()2️⃣ 评分热力图（用户 × 电影）
plt.figure(figsize=(10,6))
plt.imshow(ratings, cmap='coolwarm', aspect='auto')
plt.colorbar(label='评分')
plt.xlabel('电影编号')
plt.ylabel('用户编号')
plt.title('用户评分热力图')
plt.show()[hint info]
热力图可以直观看出“哪部电影评分高”以及“谁在疯狂打高分”。
[/hint]
六、性能对比：循环 VS 向量化
[tabs "compare"]
[tab "传统循环"]
import time
start = time.time()
avg_scores = []
for i in range(num_movies):
avg_scores.append(sum(ratings[:, i]) / num_users)
print("循环耗时：", time.time() - start)
# 循环耗时： 7.82012939453125e-05[/tab]
[tab "NumPy 向量化"]
start = time.time()
movie_avg = ratings.mean(axis=0)
print("向量化耗时：", time.time() - start)
# 向量化耗时： 1.5020370483398438e-05[/tab]
[/tabs]
💡 实测差距可达 30\~100 倍。
循环是跑步，NumPy 是坐高铁。
七、总结：NumPy，从数组到洞察的旅程
| 模块 | 技术点 |
|---|---|
| 数据生成 | np.random.randint() |
| 聚合分析 | mean()、std()、argmax() |
| 性能优化 | 向量化计算 |
| 可视化 | matplotlib 热力图与柱状图 |
[hint success]
恭喜！到这里，你已经能独立用 NumPy 处理一份真实数据集，
从生成、分析、到可视化，闭环打通。
[/hint]