CountVectorizer详解

CountVectorizer详解

1、引入countvectorizer

from sklearn.feature_extraction.text import CountVectorizer

2、定义文本列表,这里写了个二维的。

from sklearn.feature_extraction.text import CountVectorizer
X_test = ['you are good','but we do not fit']

3、文本向量化与函数展示

from sklearn.feature_extraction.text import CountVectorizer
X_test = ['you are good','but we do not fit']
vectorizer = CountVectorizer()
count = vectorizer.fit_transform(X_test)
print(count)
print(vectorizer.get_feature_names())
print(vectorizer.vocabulary_)
print(count.toarray())

结果如下:

(1)这个文本有哪些词汇,用get_feature_names()函数,得到的结果是[‘are’, ‘but’, ‘do’, ‘fit’, ‘good’, ‘not’, ‘we’, ‘you’],按首字母顺序来排列的。
(2)文本各个词汇按首字母的位置是几号,用vocabulary_函数,得到{‘you’: 7, ‘are’: 0, ‘good’: 4, ‘but’: 1, ‘we’: 6, ‘do’: 2, ‘not’: 5, ‘fit’: 3},比如are的首字母是a,排在第一位,序号为0。
(3)每个句子出现了哪些单词,用toarray()函数。1表示出现,0表示没出现。
在这里插入图片描述
所以toarray()输出的是二维的。
(4)文本词汇出现的频率,用vectorizer.fit_transform(文本)进行统计,统计的字段如下表所示,其中前两列算是位置,最后一列是词频,就得到python中的输出。
在这里插入图片描述
4、参数
参数可以自己搜,只要把countvectorizer的函数计算规则返回值搞清楚了,什么参数都简单。

评论 6
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

打赏作者

zttbee

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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