对具体的某一用户，根据其他用户的评价结果，计算出他与每一个用户的相似程度，找出相似程度最高的前N位。
在函数中，通过similarity指定使用的相关性算法。

"""
为评论者打分
"""  
#书中算法
def topMatches(prefs,person,n = 5,similarity = sim_pearson):
    score = [(similarity(prefs,person,other),other)
                    for other in prefs if other != person]
    
    score.sort()  #从小到大
    score.reverse()   #反过来排
    return score[0:n]

#自己编写
def topMatches2(prefs,person,n = 5,similarity = sim_pearson):
    score = {}
    for item in prefs:
        if item != person:
            score[item] = similarity(prefs,person,item)
    
    score_sort = sorted(zip(score.values(),score.keys()))
    score_sort.reverse()
    score_sort = score_sort[0:n]
    return score_sort

几个小笔记：

1、列表排序，从小排到大
score.sort()
注意，这个score由元组组成 [（相似度，人名），……]，它会根据元组第一个值进行排序。

2、把列表元素顺序调转
score.reverse()

3、字典如何排序：
（1）zip(score.values(),score.keys())，把字典中每个值组成（value,key）的元组，通过zip把这些元组构成列表。
（2）score_sort = sorted(zip(score.values(),score.keys()))，通过sorted函数，与scort.sort()等价。

4、取列表前N个：
score[0:n]