首頁猿問如何在 Python 中創(chuàng)建詞袋

如何在 Python 中創(chuàng)建詞袋

Python

慕蓋茨4494581 2022-12-06 16:29:59

清理并標記化后的數(shù)據(jù)框測試。from nltk.tokenize import TweetTokenizertt = TweetTokenizer()test['tokenize'] = test['tweet'].apply(tt.tokenize)print(test)輸出0 congratulations dear friend ... [congratulations, dear, friend]1 happy anniversary be happy ... [happy, anniversary, be, happy]2 make some sandwich ... [make, some, sandwich]我想為我的數(shù)據(jù)創(chuàng)建一個詞袋。以下給了我錯誤：'list'對象沒有屬性'lower'from sklearn.feature_extraction.text import CountVectorizervectorizer = CountVectorizer()BOW = vectorizer.fit_transform(test['tokenize'])print(BOW.toarray())print(vectorizer.get_feature_names())第二個：AttributeError: 'list' object has no attribute 'split'from collections import Countertest['BOW'] = test['tokenize'].apply(lambda x: Counter(x.split(" ")))print(test['BOW'])你能幫我一個方法或兩個。謝謝！

查看完整描述

2 回答

UYOU

TA貢獻1878條經(jīng)驗獲得超4個贊

vectorizer.fit_transform將可迭代的 str、unicode 或文件對象作為參數(shù)。您已經(jīng)傳遞了一個可迭代的列表（標記化字符串）。您可以只傳遞原始字符串集，test['tweet']因為 CountVectorizer 會為您進行標記化。

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()

BOW = vectorizer.fit_transform(test['tweet'])

print(BOW.toarray())

print(vectorizer.get_feature_names())

這應(yīng)該會給你預(yù)期的輸出。

反對回復(fù) 2022-12-06

慕斯王

TA貢獻1864條經(jīng)驗獲得超2個贊

如您的輸出示例所示，test['tokenize']包含單元格中的列表。這些列表是通過按“”拆分從字符串中檢索到的值，因此要使此行test['BOW'] = test['tokenize'].apply(lambda x: Counter(x.split(" ")))正常工作，請嘗試將其更改為test['BOW'] = test['tokenize'].apply(lambda x: Counter(x))