R语言实现电影评分相关性分析（曼哈顿算法）

首先模拟一个数据框，横轴是不同用户的名字，纵轴是不同的电影名字，表格中的数字是该用户对该电影的评分，如果表格中为空，那么代表该用户没有看过该电影，通过计算任意两个用户的曼哈顿距离来计算两个人打分的相关程度，进而得到对电影的喜好情况，便于后续做用户分类，以及电影推荐。

先附上模拟出的数据框，文件格式为csv文件，csv文件的好处是在数据交换时，能够保证通用性和准确性。

然后我们用R语言来进行数据分析，首先导入数据集：

movie_list=read.csv("D:\\电影评分测试.csv",header=T)

先写一个计算曼哈顿距离的函数：

Manhattan_Distance <- function(x,y){
	distance=0
	for(i in 1:16){
		if(!is.na(x[i])&!is.na(y[i])){
			distance=distance+abs(x[i]-y[i])
		}
	}
	return(distance)
}

为了后续作图方便，先保存一个原始矩阵的转置矩阵，然后导出一个人名字的向量，这里就先不导出电影名字的向量了，后续如果想实现更多功能的话可以自行导出，原理都一样。

new=t(movie_list)
a=row.names(new)[2:]

这里a导出的就是数据框里边所有人名字组成的一个字符向量，然后开始写主要的分析函数，其实在本例中这部分不用单独封装函数的，但是为了后续功能添加的方便，这里还是进行了封装。这部分的主要作用就是随意输入一个用户名的变量，要输出他和其他所有用户的曼哈顿距离，并做柱状图，并算出和他打分最相关的那个人。代码如下：

correlation_analysis <- function(x) {
	all_distance <- c()
	for(i in 2:11) {
		all_distance[i-1] <- Manhattan_Distance(x,movie_list[,i])
	}
	zero_location = which(all_distance==0)
	all_distance=all_distance[-zero_location]
	a=a[-zero_location]
	barplot(all_distance,names.arg=a,ylim=c(0,20))
	everyone <- all_distance
	least=min(everyone)
	least_location=which(everyone==least)
	who=a[least_location]
	cat("相关性最高的用户是",who,"他们的曼哈顿距离是",least)	
}

这里我们取个中间的人名，以sam为例输出

correlation_analysis(movie_list$Sam)

输出结果如下：

> correlation_analysis(movie_list$Sam)
相关性最高的用户是 Hailey 他们的曼哈顿距离是 9> 

输出图形如下，这里只是简单进行了仿真，未对图形做装饰。

可以看到文字结果和图形结果完全相符。后续可以扩大用户量，扩大电影量，对曼哈顿距离加入阈值来判定两用户是否相关，从而相互推荐电影，也可以对电影的受欢迎情况做数据分析，对新用户打分情况做预测等