python-3.x - 如何转换数据并计算 TFIDF 值?
问题描述
我的数据格式是:
datas = {[1,2,4,6,7],[2,3],[5,6,8,3,5],[2],[93,23,4,5,11,3,5,2],...}
datas 中的每个元素是一个句子,每个数字是一个单词。我想得到每个数字的 TFIDF 值。如何用sklearn或其他方式做到这一点?
我的代码:
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
datas = {[1,2,4,6,7],[2,3],[5,6,8,3,5],[2],[93,23,4,5,11,3,5,2]}
vectorizer=CountVectorizer()
transformer = TfidfTransformer()
tfidf = transformer.fit_transform(vectorizer.fit_transform(datas))
print(tfidf)
我的代码不起作用。错误:
Traceback (most recent call last): File
"C:/Users/zhuowei/Desktop/OpenNE-master/OpenNE-
master/src/openne/buildTree.py", line 103, in <module>
X = vectorizer.fit_transform(datas) File
"C:\Users\zhuowei\Anaconda3\lib\site-
packages\sklearn\feature_extraction\text.py", line 869, in fit_transform
self.fixed_vocabulary_) File "C:\Users\zhuowei\Anaconda3\lib\site-
packages\sklearn\feature_extraction\text.py", line 792, in _count_vocab
for feature in analyze(doc): File
"C:\Users\zhuowei\Anaconda3\lib\site-
packages\sklearn\feature_extraction\text.py", line 266, in <lambda>
tokenize(preprocess(self.decode(doc))), stop_words) File
"C:\Users\zhuowei\Anaconda3\lib\site-
packages\sklearn\feature_extraction\text.py", line 232, in <lambda>
return lambda x: strip_accents(x.lower())
AttributeError: 'int' object has no attribute 'lower'
解决方案
您正在使用CountVectorizer
它需要一个可迭代的字符串。就像是:
datas = ['First sentence',
'Second sentence', ...
...
'Yet another sentence']
但是您的数据是列表列表,这就是发生错误的原因。您需要将内部列表设置为字符串才能使 CountVectorizer 工作。你可以这样做:
datas = [' '.join(map(str, x)) for x in datas]
这将导致datas
如下所示:
['1 2 4 6 7', '2 3', '5 6 8 3 5', '2', '93 23 4 5 11 3 5 2']
现在这个表格可以被CountVectorizer
. 但即使那样你也不会得到正确的结果,因为token_pattern
CountVectorizer中的默认值:
token_pattern : '(?u)\b\w\w+\b'</p>
字符串正则表达式表示什么构成“令牌”,仅在分析器 == 'word' 时使用。默认的正则表达式选择2 个或更多字母数字字符的标记(标点符号被完全忽略并始终视为标记分隔符)
为了让它将您的数字视为单词,您需要更改它,以便它可以通过执行以下操作接受单个字母作为单词:
vectorizer = CountVectorizer(token_pattern=r"(?u)\b\w+\b")
然后它应该工作。但是现在你的数字变成了字符串
推荐阅读
- javascript - Redux-form 未格式化帖子数据和 [object Object] 问题
- windows - Windows Shell 脚本默认文件夹
- interrupt - 我可以检测从哪个模式(EL1,EL0,...)SError 中断引起的吗?
- matlab - 如何在 Matlab 中反转内联函数?
- javascript - 多天离开多个时区的javascript计时器
- android - 一段时间后,按钮声音停止工作 kotlin
- powerbi - 基于其他表的计算列。直接查询sql
- c# - 如何使用 CsvEngine.CsvToDataTable() 修剪所有列值?
- php - 重新加载页面并返回上一页后选中的复选框
- ms-access - Access 2016 更新查询