求修改python代码，问题是valuerror

[violet2010]

#coding=utf-8
'''
本文，用皮尔逊相关系数(pearon correlation coefficient)计算用户之间的相似性。
'''    
from operator import itemgetter, attrgetter  
from math import sqrt  
#  user_movie, movies都是字典   
def load_data():  
    filename_user_movie = 'ratings_test.txt'  
    user_movie = {}   
    for line in open(filename_user_movie):  
        (userId, itemId, rating) = line.strip().split()  
        user_movie.setdefault(userId,{})  
        user_movie[userId][itemId] = float(rating)  
    return user_movie 
  
#计算用户的平均值  
def average_rating(user):  
    average = 0  
    for u in user_movie[user].keys(): 
        '''针对user遍历user_movie中item列，对于由[userId][itemId]所组成的rating进行累加。
这样得到针对一个user的所有item的总评分。
再用总评分除以用户user的评分过的电影的总个数，就得到用户的平均评分。
    '''
        average += user_movie[user][u]  
    average = average * 1.0 / len(user_movie[user].keys())  
    return average  
  
  
def calUserSim(user_movie):    
    ''' build inverse table for movie_user  构建倒排文本，movie_user这个字典中相当于itemId是关键字
 movie_user只包含两列的内容。   
    '''
    movie_user = {}  
    for ukey in user_movie.keys():#遍历第一列
        for mkey in user_movie[ukey].keys():  #遍历第二列
            if mkey not in movie_user:  
                movie_user[mkey] = []#将user_movie第二列放到movie_user中
            movie_user[mkey].append(ukey)#  将user_movie第一列放到movie_user中。那这个没有将rating放进去。
    
    # calculated co-rated movies between users，在用户之间计算共同评分过的电影。
    C = {} 
    '''
 下面的操作是针对movie对用户进行遍历，将用户和电影都放到字典C中 。在用户之间计算共同评分过的电影。
 movie_user中将第一个遍历到的用户放到第一列，将与第一个用户不同的用户（如果相同就不进行循环块后面的语句）
 放到第二列第一个，字典C中的键是由（第一列，第二列）共同组成的，最后在他们的基础上添加电影。
 这样就形成了（用户，用户，电影）的 字典。
    ''' 
    for movie, users in movie_user.items():#返回一个包含字典中(键, 值)对元组的列表。        
        #在所有内容中进行遍历 ，movie, users分别对应一列
        for u in users:  
            C.setdefault(u,{})  #将movie_user中users转到C字典中来，并确定C中u是键。
            for n in users:  
                if u == n:
                    continue   #continue语句被用来告诉Python跳过当前循环块中的剩余语句，然后 继续 进行下一轮循环。
                C[u].setdefault(n,[])  
                C[u][n].append(movie)  
                    
    # calculate user similarity (perason correlation)  计算基于用户之间的相似性
    userSim = {}  
    for u in C.keys():            
        for n in C[u].keys():                
            userSim.setdefault(u,{})  
            userSim[u].setdefault(n,0)  
          
            average_u_rate = average_rating(u)  
            average_n_rate = average_rating(n)  
              
            part1 = 0  
            part2 = 0  
            part3 = 0  
            for m in C[u][n]:  
  
                part1 += (user_movie[u][m]-average_u_rate)*(user_movie[n][m]-average_n_rate)*1.0  
                part2 += pow(user_movie[u][m]-average_u_rate, 2)*1.0  
                part3 += pow(user_movie[n][m]-average_n_rate, 2)*1.0  
                  
            part2 = sqrt(part2)  
            part3 = sqrt(part3)  
            if part2 == 0:  
                part2 = 0.001  
            if part3 == 0:  
                part3 = 0.001   
            userSim[u][n] = part1 / (part2 * part3)     
    return userSim  
  
'''
Items 方法 描述返回一个包含 Dictionary 对象中所有条目的数组。下面是首先对userSim[user].items()遍历和排序，
将用户先前交互过的电影过滤掉，将其他项目都放在项目预测pred字典中 ，并且以项目i为键。
i表示的是项目，nrating表示的是用户n的评分。nuw表示的是用户n和u的用户相似度userSim值。
itemgetter函数用于获取对象的哪些维的数据。key=itemgetter(1)意即按照userSim第二列的数据来排序，降序，N个项目。
可是num的值是由谁传递的呢？
'''  
def getRecommendations(user, user_movie, userSim, N):  
    pred = {}  
    interacted_items = user_movie[user].keys()  
    average_u_rate = average_rating(user)  #沿袭了average_rating(user)函数一样的参数user
    sumUserSim = 0 

    for n, nuw in sorted(userSim[user].items(),key=itemgetter(1),reverse=True)[0:N]:  
        average_n_rate = average_rating(n) #用户n的平均评分 
        for i, nrating in user_movie[n].items():  
            if i in interacted_items:  
                continue  
            pred.setdefault(i,0) 
            pred[i] += nuw * (nrating - average_n_rate)  
        sumUserSim += nuw 
    for i, rating in pred.items():     
        pred[i] = average_u_rate + (pred[i]*1.0) / sumUserSim            
    # top-10 pred       
    pred = sorted(pred.items(), key=itemgetter(1), reverse=True)[0:10]  
    return pred    
    
if __name__ == "__main__":       # load data  
    user_movie= load_data()        # Calculate user similarity  
    userSim = calUserSim(user_movie)       # Recommend  
    pred = getRecommendations('780', user_movie, userSim, 20)     # display recommend result (top-10 results)  
    for i, rating in pred:  
        print 'film: %s,  rating: %s' % (i, rating)  
      

数据文件格式如下：
780 54974 5
1205 67598 5
738 52466 4
4153 1879 3
15890 12197 4
16797 14330 5
1211 67743 5
1688 75757 4
588 7824 5
1275 69043 4
4059 16136 5
1229 3399 4
18349 16286 5
1998 80620 4
8820 2426 5
579 45878 4
……

[violet2010]

出现的问题如下 Traceback (most recent call last): File "H:\Program Files\workspace\PythonTest1\src\network\UserBasedCF1.py", line 117, in <module> user_movie= load_data() # Calculate user similarity File "H:\Program Files\workspace\PythonTest1\src\network\UserBasedCF1.py", line 14, in load_data (userId, itemId, rating) = line.strip().split() ValueError: need more than 0 values to unpack

[angel_su]

就是某行数据分割出0份无法分配数据，譬如空行，加点代码容错处理即可...

[李察德-泰森]

检查你的文件，某一行或某几行用空格分不了三个值出来

[jeky_zhang2013]

加点错误处理，可用利用调试看看运行情况

[ahumoon7421]

建议split处加一个try，捕获到异常之后打印出来，一目了然

def load_data():       
  filename_user_movie = 'ratings_test.txt'      
  user_movie = {}        
  for line in open(filename_user_movie):  
    try:
      (userId, itemId, rating) = line.strip().split()           
      user_movie.setdefault(userId,{})           
      user_movie[userId][itemId] = float(rating)    
    except:
      print line   
  return user_movie 

[我用双手-成就你的梦想]

就是文件中有某行不能split成3个变量