如何从Excel表提取数据并转为集合格式？含电影推荐系统Python代码需求

Hey there! Let's work through your questions step by step—they're perfect for your movie recommendation system project.

问题2：将Excel导入的电影评分数据转成集合格式 #

首先看你现有的代码，读取后的DataFrame里USER列存在NaN值（比如Julia Roberts的后续行），这是因为Excel里同一个用户的信息只在第一行填写了。我们先把数据清洗好，再转成集合：

import pandas as pd

# 读取Excel数据（注意：新版pandas中sheetname已改为sheet_name，避免版本警告）
df = pd.read_excel('project.xlsx', sheet_name='Sheet1')

# 填充USER列的缺失值：用前一行的有效值补全同一用户的所有行
df['USER'] = df['USER'].ffill()

# 将每行数据转为元组，再转换为集合
movie_rating_set = set(df.itertuples(index=False, name=None))

# 打印结果示例
for item in movie_rating_set:
    print(item)

代码解释： #

• ffill()：全称forward fill，会向下填充USER列的缺失值，这样Julia Roberts的所有电影评分行都会正确关联到她的名字。
• itertuples(index=False, name=None)：把DataFrame的每一行转成不含索引、无自定义名称的元组，确保每个元素是(用户名, 电影名, 评分)的结构。
• set()：将元组序列转换为集合，自动保证元素唯一性（如果Excel里有重复行，集合会自动去重）。

运行后你会得到类似这样的集合输出：

('Julia Roberts', 'Shrek', 2.5), ('Julia Roberts', 'V for Vendetta', 3.5), ('Julia Roberts', 'Pretty Woman', 3.0), ...

问题1：通用Excel数据转集合格式方法 #

如果是其他Excel数据，通用步骤如下：

• 读取数据：用pd.read_excel()读取目标工作表，根据需要指定sheet_name、usecols等参数筛选数据。
• 清洗数据：处理缺失值（如ffill()、bfill()或填充默认值）、转换数据类型（比如把评分转成float）。
• 转换为集合：通过itertuples()或values.tolist()把每行转成可哈希的类型（比如元组），再用set()转换。

举个无缺失值的简单例子：

import pandas as pd

df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
# 直接转成集合
data_set = set(tuple(row) for row in df.values)

内容的提问来源于stack exchange，提问作者Sanchari Ghosh