- 博客(4)
- 收藏
- 关注
RSS订阅原创 对字典进行排序
按照字典中的值对字典进行排序，得到一个列表，列表的每一个元素都是一个元组，元组由排序后字典的键和值组成；如果有需要，还可以把此列表转化为排序后的字典： import operator a={'a':1,'b':6,'c':2,'d':3} b=sorted(a.items(),key=operator.itemgetter(1)) print(b) # [('a', 1), ('c', 2), ('d', 3), ('b', 6)] c={} for i in b: ...
2021-10-05 14:34:14
496
原创 去除字符串中的标点符号和特殊字符
在进行中文文本分类时，文本中的标点符号和特殊字符对模型的训练是没有用的，需要去除： a='abc,2013年的一个新闻!,@#% 娱乐' b='' for i in a: if (ord(i)>=32 and ord(i)<=47) or (ord(i)>=58 and ord(i)<=64) or (ord(i)>=91 and ord(i)<=96) or (ord(i)>=123 and ord(i)<=126):
2021-09-30 14:08:27
852
原创 正则表达式匹配中文字符
遇到前面是字母、数字、特殊符号，后面是汉字的字符串，如何提取出后面汉字。 import re a='123wer_中华文化,博大精深' b=re.search(r'[\u4e00-\u9fa5]+.+',a) print(b.group()) #中华文化，博大精深
2021-09-29 19:04:45
266
原创 2021-09-29 Scikit-learn中CountVectorizer类的使用
Scikit-learn中CountVectorizer类的使用 CountVectorizer会将文本中的词语转换为词频矩阵，它通过fit_transform函数计算各个词语出现的次数。它通过fit_transform()函数计算各个词语出现的次数，通过get_feature_names()可获取词袋中所有文本的关键字，通过toarray()可看到词频矩阵的结果。 from sklearn.feature_extraction.text import CountVectorizer corpus.
2021-09-29 16:46:43
978
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人