利用python代码，200人对100个电影进行评分，筛选出评分大于3的频繁数据集

在Python中，你可以使用pandas库来处理这个问题。首先，假设你有一个包含评分数据的DataFrame，例如每个用户ID作为行索引，电影ID作为列名，值是用户的评分。这里是一个简单的步骤：

import pandas as pd

# 假设你的数据存储在一个CSV文件里，名为'movie_ratings.csv'
df = pd.read_csv('movie_ratings.csv')

# 确保评分列是数值类型
df['rating'] = df['rating'].astype(float)

# 创建一个新的DataFrame，只保留评分大于3的记录
filtered_data = df[df['rating'] > 3]

# 对于频繁数据集，你可以使用频率分析。如果你想要找出哪些电影被评分超过某个阈值（如5次），可以先按电影ID分组，计算评分次数
frequent_movies = filtered_data.groupby('movie_id')['rating'].value_counts()

# 挑选出评分次数超过特定阈值的电影
threshold = 5  # 这里的阈值可以根据需要调整
frequent_movies = frequent_movies[frequent_movies >= threshold].reset_index()
frequent_movies.columns = ['movie_id', 'frequency']

print("评分大于3且频次大于{}的电影数据集：".format(threshold))
print(frequent_movies)