请用python帮我写一个协同过滤推荐

好的，以下是一个简单的基于用户的协同过滤推荐系统的 Python 实现：

import pandas as pd

# 构造用户评分数据
data = {
    '用户1': {'电影1': 5, '电影2': 3, '电影3': 4, '电影4': 4},
    '用户2': {'电影1': 3, '电影2': 1, '电影3': 2, '电影4': 3, '电影5': 3},
    '用户3': {'电影1': 4, '电影3': 4, '电影4': 3, '电影5': 5},
    '用户4': {'电影1': 3, '电影2': 1, '电影4': 5, '电影5': 4},
    '用户5': {'电影2': 5, '电影3': 4, '电影4': 4, '电影5': 5}
}
ratings = pd.DataFrame(data)

# 计算用户之间的相似度
similarity = ratings.corr()

# 定义推荐函数
def recommend(user):
    # 获取用户未评分的电影
    unrated_movies = ratings.columns[ratings.loc[user].isnull()]
    # 计算其他用户对这些电影的评分加权平均数
    recommendations = similarity[user].drop(user). \
        apply(lambda x: ratings[x.name][ratings[x.name].notnull()]. \
            mean() * x).sum() / similarity[user].drop(user).sum()
    # 返回推荐结果
    return recommendations

# 测试推荐函数
print(recommend('用户1'))  # 输出用户1的推荐结果

在上面的代码中，我们首先构造了一个用户评分数据，然后计算用户之间的相似度。接着定义了一个推荐函数，该函数接受一个用户名作为参数，返回该用户的推荐结果。最后，我们测试了推荐函数，输出了用户1的推荐结果。

请注意，这只是一个简单的示例，实际应用中需要考虑更多的因素，例如数据预处理、评价指标等。