程序员如何介绍使用pandas库读取MovieLens 100K数据集中的电影信息和用户评分信息，然后根据这些信息获取电影类别矩阵

首先，我们需要使用pandas库读取MovieLens 100K数据集中的电影信息和用户评分信息。可以使用以下代码：

import pandas as pd

# 读取电影信息
movies = pd.read_csv('movies.csv')

# 读取用户评分信息
ratings = pd.read_csv('ratings.csv')

其中，`movies.csv`文件包含电影的ID、名称和类别信息，`ratings.csv`文件包含用户对电影的评分信息。

接下来，我们需要根据这些信息获取电影类别矩阵。可以使用以下代码：

# 将电影类别信息转换为二进制矩阵
genres = movies['genres'].str.get_dummies('|')

# 将电影ID作为索引，将类别矩阵与电影信息合并
movie_genres = pd.concat([movies['movieId'], genres], axis=1)

# 将评分信息与电影类别矩阵合并
movie_ratings = pd.merge(movie_genres, ratings, on='movieId')

# 计算每个电影类别的平均评分
genre_ratings = movie_ratings.groupby('genres').mean()

# 获取电影类别矩阵
genre_matrix = genre_ratings.drop(['userId', 'movieId', 'timestamp'], axis=1)

其中，`str.get_dummies()`函数可以将电影类别信息转换为二进制矩阵，`pd.concat()`函数可以将类别矩阵与电影信息合并，`pd.merge()`函数可以将评分信息与电影类别矩阵合并，`groupby()`函数可以计算每个电影类别的平均评分，`drop()`函数可以去掉不需要的列，最终得到电影类别矩阵`genre_matrix`。