第一步：读取三个表数据（用户表、评分表、电影表）
mnames=[‘MovieID‘,‘Title‘,‘Genres‘]
user_data = pd.read_table(r".datasmovielens-1musers.dat", sep=‘::‘, header=None, names=unames)

movie_data = pd.read_table(r".datasmovielens-1mmovies.dat", sep=‘::‘, header=None, names=mnames)

Rnames=[‘UserID‘,‘MovieID‘,‘Rating‘,‘Timestamp‘]
rating_data = pd.read_table(r".datasmovielens-1m
atings.dat", sep=‘::‘, header=None, names=Rnames)

第二步：将三张表合并

根据共同的UserID进行合并，合并类型为outer，完成三张表的合并

user_rating=pd.merge(user_data,rating_data,left_on=‘UserID‘,right_on=‘UserID‘,how=‘outer‘)

根据共同的MovieID进行合并，合并类型为outer，完成第三张表合并

data=pd.merge(user_rating,movie_data,left_on=‘MovieID‘,right_on=‘MovieID‘,how=‘outer‘)

第三步：完成各项需求

找到因性别，导致评价差异最大的电影。