sklearn-CountVectorizer的学习笔记

最新推荐文章于 2024-12-22 11:34:01 发布

ForeverLearn_notstop

最新推荐文章于 2024-12-22 11:34:01 发布

阅读量350

点赞数

分类专栏： python 文章标签： python

本文链接：https://blog.youkuaiyun.com/ForeverLearn_notstop/article/details/105028247

版权

python 专栏收录该内容

2 篇文章

订阅专栏

CountVectorizer()使用

from sklearn.feature_extraction.text import CountVectorizer#文本特征提取
cv=CountVectorizer()

texts=["orange banana apple grape","banana apple apple","grape","orange apple"]

cv_fit=cv.fit_transform(texts)
#cv.fit(texts)#这两行效果和上一行一样，但是索引号不同，这个按照数字大小定的索引号
#cv_fit=cv.transform(texts)

print(cv.vocabulary_)#输出格式为'word': c，word就是这个单词；c就是它的索引号
print(cv_fit)#输出格式为（i,j） c，表达的是第i个字符串；j表示索引号，如果是字符，是按照字母顺序定的索引号；c代表的是该单词在该字符串中出现的次数
print(cv_fit.toarray())#输出格式如下，每个元素可表示为c[i][j]即次数，i相同时代表同一个字符串中各个单词出现的次数，j相同时代表同一个单词在各个字符串中出现的次数
                       #          [[c00,c01,c02,c03]
                       #           [c10,c11,c12,c13]
                       #           [c20,c21,c22,c23]
                       #           [c30,c31,c32,c33]]