TfidfVectorizer

1、参数：
https://blog.csdn.net/feng_zhiyu/article/details/81952697
https://cloud.tencent.com/developer/article/1332181
2、
https://www.jianshu.com/p/e2a0aea3630c
https://www.wandouip.com/t5i134289/
https://www.cnblogs.com/Lin-Yi/p/8974108.html
https://www.jianshu.com/p/4bc7fbdafdeb

3、

tv=TfidfVectorizer()
X=tv.fit_transform(list)
weight=tv.fit(list).transform(list)

①X矩阵：

X.shape[0]是转换的文本总条数，X.shape[1]是转换文本的总词数。
weight矩阵如图所例：

②nonzero()：
例：a=mat([[1,0,0],[1,0,0],[0,0,1]])
→nonzero(a)返回值为两个矩阵：
(matrix([[0, 1, 2]], dtype=int32), matrix([[0, 0, 2]], dtype=int32))
分别对应：非零行，非零列。
则：(str(sorted(X[0].nonzero()[1])))返回：X矩阵第一条文本非零的列对应的词。

https://www.jianshu.com/p/e39746ba6d58

画图

https://www.jianshu.com/p/b1dee69767d3
https://www.cnblogs.com/nxld/p/7435930.html
https://www.jianshu.com/p/f868f137dbf3

plt.figure(figsize=(120,90),dpi=80) #面板/画布，大小
plt.title('blabla') #标题
plt.xlim(-2,2) #横轴范围
plt.ylim(-5,3)
plt.xlabel('xxx') #横轴变量名
plt.ylabel('yyy')
plt.xticks([数字],[名称]) #均list形式，名称可省
plt.yticks([数字],[名称])
plt.hlines(y值，x始，x终)
plt.text(x坐标，y坐标，字符串)

ax=plt.subplot(111)
l1,=ax.plot(...)
l2,=ax.plot(...)
plt.legend(handles=[l1,l2,..],labels=['xx','xx',..],loc='lower right') #图例，句柄即曲线名称，显示位置：默认右上角，也可数字：1右上，2左上
plt.show() #显示图像

1、散点图
plt.scatter(x=序列,y=Series,c='red',alpha=1,marker='+', label='pickup',size=20)
size指点的大小，默认20。
https://cloud.tencent.com/developer/ask/134857/answer/239467
2、线图
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')//颜色，线宽，线样式
plt.subplot(332) //画布分份3*3，在第二块区域画图
plt.plot(xxx,yyy)
3、直方图：
plt.hist(序列Series,bins=list)
https://www.jianshu.com/p/7b5ce14036e0

其它
1、条形图：df.plot.barh(x=列名,y=列名)

seaborn.countplot(x=列名,data=df)
#seaborn.barplot(x=列名,y=列名,data=df) #默认带置信区间(黑条),即ci=True
plt.show()

2、叠加直方图

seaborn.distplot(Series,kde=False,label=列名)
#kde：核密度估计 Kernel Density Estimation
https://blog.csdn.net/unixtch/article/details/78556499

3、散点图：

https://blog.csdn.net/weixin_41990278/article/details/93137009