last update

projet_en_groupe/algorithme_netflix.py

@@ -391,13 +391,13 @@ def directors_nationality(data_1):
 
         for director in directors:
             if director in directors_nationality_dict:
-                # Use a set to store unique nationalities for each director
-                directors_nationality_dict[director]['nationalities'].add(str(nationality))
+                # Ajouter la nationalité seulement si elle n'est pas déjà présente dans la liste
+                if str(nationality) not in directors_nationality_dict[director]['nationalities']:
+                    directors_nationality_dict[director]['nationalities'].add(str(nationality))
                 directors_nationality_dict[director]['number of movies or series'] += 1
             else:
-                directors_nationality_dict[director] = {'nationalities': set(), 'number of movies or series': 1}
-                directors_nationality_dict[director]['nationalities'].add(str(nationality))
-
+                directors_nationality_dict[director] = {'nationalities': {str(nationality)}, 'number of movies or series': 1}
+        
     # Remove duplicates from the nationalities list for each director
     # Remove consecutive duplicates from the nationalities list for each director
     for director_info in directors_nationality_dict.values():
@@ -411,10 +411,10 @@ def directors_nationality(data_1):
 
     # Display the list of directors and their nationalities
     print("Directors and their nationalities, sorted by the number of movies and series produced:")
-    for director, info in sorted_directors:
+    for i, (director, info) in enumerate(sorted_directors[:25]):
         director_name = str(director) if pd.notna(director) else 'Unknown'
         nationalities_str = ', '.join(str(n) for n in info['nationalities'])
-        print(f"{director_name}: {nationalities_str} - {info['number of movies or series']} movies/series")
+        print(f"{i+1}. {director_name}: {nationalities_str} - {info['number of movies or series']} movies/series")
 
     # Save to CSV using the DataFrame
     save_to_csv(directors_df)  # Commenting this out since the 'save_to_csv' function is not provided
@@ -536,30 +536,34 @@ def read_user_ratings(file_path):
             
     return ratings
 
-def create_category_matrix(catalog, categories):
-    # Créez la matrice avec une rangée et une colonne supplémentaires pour les noms de catégories
-    category_matrix = [[0 for _ in range(len(categories) + 1)] for _ in range(len(categories) + 1)]
+def create_category_matrix(catalog, categories, output_file_path):
+    # Créez la matrice sans les noms de catégories
+    category_matrix = [[0 for _ in range(len(categories))] for _ in range(len(categories))]
 
-    # Ajoutez les noms de catégories à la première ligne et à la première colonne
-    for i in range(len(categories)):
-        category_matrix[0][i + 1] = categories[i]  # Ajoutez les noms de catégories à la première ligne
-        category_matrix[i + 1][0] = categories[i]  # Ajoutez les noms de catégories à la première colonne
-    
     # Remplissez la matrice avec les données
     for show_id, movie_categories in catalog.items():
         for i in range(len(categories)):
             if categories[i] in movie_categories[1]:
                 for j in range(len(categories)):
                     if categories[j] in movie_categories[1]:
-                        category_matrix[i + 1][j + 1] += 1  # Commencez à remplir à partir de la deuxième ligne et de la deuxième colonne
-    # Ajoutez les noms de catégories à la première colonne et les données de la matrice
-    
+                        # Assurez-vous que les indices sont valides avant d'incrémenter
+                        if i < len(category_matrix) and j < len(category_matrix[i]):
+                            category_matrix[i][j] += 1
+
+    # Ajoutez les noms de catégories à la première ligne et à la première colonne du DataFrame
+    category_matrix_with_names = [[category] + row for category, row in zip(categories, category_matrix)]
+    df = pd.DataFrame(category_matrix_with_names, columns=[''] + categories)
+
+    # Enregistrez le DataFrame dans un fichier Excel avec les noms de colonnes et de lignes
+    df.to_excel(output_file_path, index=False)
+
     return category_matrix
 
 
-def recommend_movies(user_id, catalog, user_ratings, category_matrix, threshold=0.5):
+
+def recommend_movies(user_id, catalog, user_ratings, category_matrix, threshold=0.9999):
     global categories  # Déclarer categories en tant que variable globale
-    categories = list(set(category for _, movie_info in catalog.items() for category in movie_info[1])) # permet d'actualiser la variable catégories global au niveau local
+    categories = list(set(category for _, movie_info in catalog.items() for category in movie_info[1]))  # permet d'actualiser la variable catégories global au niveau local
 
     user_id = int(user_id)  # Convertir user_id en entier
 
@@ -567,12 +571,17 @@ def recommend_movies(user_id, catalog, user_ratings, category_matrix, threshold=
     category_index = {}
 
     # Créer le dictionnaire pour stocker les indices des catégories
-    category_index = {category: i + 1 for i, category in enumerate(categories)}  
+    category_index = {category: i for i, category in enumerate(categories)}
+
+    # Ajout de l'affectation manquante
+    user_categories = categories
+
     for show_id, categories in catalog.items():
         # Check if the user has rated the show
         if show_id in user_ratings and user_id in user_ratings[show_id] and user_ratings[show_id][user_id] == 0:
             # Liste des catégories communes entre le film/série et les films/séries notés par l'utilisateur
-            common_categories = [category for category in categories[1] if category in catalog[show_id][1]]
+            common_categories = [category for category in categories[1] if category in user_categories]
+
             if common_categories:
                 # Calculez la similarité entre le film/série et les films/séries notés par l'utilisateur
                 similarity = sum(
@@ -589,26 +598,39 @@ def recommend_movies(user_id, catalog, user_ratings, category_matrix, threshold=
 
     return sorted_suggestions[:5]
 
+
+
+# Ajout d'impression pour déboguer
+print("User categories:", categories)
+
 def recommandation_algorithm() :
 
     # Replace file_path_1 and file_path_2 with the actual file paths
     file_path_1 = "/Users/adrien/vscodeworkspace/coding-project/projet_en_groupe/data_cp_2023/netflix_titles-2.csv"
     file_path_2 = "/Users/adrien/vscodeworkspace/coding-project/projet_en_groupe/data_cp_2023/ratings.csv"
 
-    user_id = input("quel est ton user ? ")
+    while True:
+        user_id = input("Quel est ton user ? ")
+
+        try:
+            user_id = int(user_id)
+            # Check if user_id is between 1 and 100
+            if 1 <= user_id <= 100:
+                break  # Sort de la boucle si l'identifiant est valide
+            else:
+                print("L'identifiant de l'utilisateur doit être compris entre 1 et 100.")
+        except ValueError as e:
+            print(f"Veuillez entrer un identifiant d'utilisateur valide. Erreur: {e}")
 
-    try:
-        user_id = int(user_id)
-    except ValueError:
-        print("Veuillez entrer un identifiant d'utilisateur valide.")
-        exit()
 
     # Read data from CSV files
     catalog = read_movie_series_info(file_path_1)
     ratings = read_user_ratings(file_path_2)
     # Create category matrix
     categories = list(set(category for _, movie_info in catalog.items() for category in movie_info[1]))
-    category_matrix = create_category_matrix(catalog, categories)
+    output_file_path = "matrice_categories.xlsx"
+    category_matrix = create_category_matrix(catalog, categories, output_file_path)
+    
 
     # Display movies already viewed by the user
     print("Films déjà vus par l'utilisateur:")
@@ -646,7 +668,7 @@ def action() :
   print("16. Display the nationalities of directors and sort the list based on the number of movies and series directed")
   print("17. Display basic statistics")
   print("18. Get Personalized Recommendations")
-  print("... Enter STOP to stop")
+  print("STOP to stop")
   command = input("Enter the number of what you want to do: ")
 
   if command == "1" :
@@ -685,7 +707,7 @@ def action() :
     basic_statistics(data_1)
   elif command == "18" :
     recommandation_algorithm()
-  elif command == "..." :
+  elif command == "STOP" :
     return False