CountVectorizer 词频统计

from sklearn.feature_extraction.text import CountVectorizer
import  jieba
# 实例化一个con_vec对象
# con_vec = CountVectorizer(min_df=1)


# 准备文本数据
# text = ['This is the first document.', 'This is the second second document.', 'And the third one.',
#         'Is this the first document?', ]

# 统计词语出现次数
# X = con_vec.fit_transform(text)
# feature__name = con_vec.get_feature_names()
# print(feature__name)
# print(X)
"""
(0, 1)	1
第一个值 属于第几个句子
第二个值 哪个词
1 词频
"""
# 将单词个数转化为单词个数矩阵。
# print(X.toarray())
# stop_words 去掉一些不重要的词
con_vec = CountVectorizer(min_df=1, stop_words=['之后', '玩完'])
text = '今天天气真好,我要去北京天安门玩,要去景山攻牙之后,玩完大明劫'
# 进行结巴分词,精确模式
text_list = jieba.cut(text, cut_all=False)
text_list = ",".join(text_list)
context = []
context.append(text_list)
print(context)

X = con_vec.fit_transform(context)
feature__name = con_vec.get_feature_names()
print(feature__name)
print(X.toarray())

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值