如何解决带有 Pandas 数据框的 CountVectorizer 返回错误的形状
import numpy as np
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import (f1_score,precision_score,recall_score)
ifile=open("train_pos.txt")
rows = []
for ln in ifile:
rows.append({'text': ln,'class': 1})
ifile.close()
data_frame = pd.DataFrame(rows)
data_frame
text class
0 Coffee is great and I live close so it's conve... 1
1 I love this place for its coffeeshop feel with... 1
2 I've come here Now a couple of times and I lov... 1
3 Nice vibes,just ok food and not too warm serv... 1
4 Not a big breakfast person but this place has ... 1
... ... ...
74241 Henry the bartender makes a stop in at Bijans ... 1
74242 I love the ambiance at Bijan,especially the w... 1
74243 Popped in for Happy Hour,on a hot and stormy ... 1
74244 Update: Â Bijan's came on the scene as a great... 1
74245 The nearly day-glo lime green walls,harsh flu... 1
74246 rows × 2 columns
我正在尝试使用 countvectorizer 和 Pandas data_frame 作为输入来执行特征提取。
为此我做了代码
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(data_frame.text)
X_train_counts.shape
问题是当我运行上面的代码时它给了我错误的形状。该形状正在输出 (74246,61803) 但它应该输出 (74246,2)。当我运行时它给出了正确的输出
data_frame.shape
有人知道为什么会发生这种情况以及如何解决吗?
非常感谢任何帮助!
解决方法
您可能会混淆 fit_transform() 和 fit()。 fit_transform() 学习词汇词典,然后将其转换为文档-术语矩阵。所以你得到的是一个矩阵而不是字典。 fit_transform 与运行 fit 后跟变换相同。因此,如果您正在寻找字典,只需使用 fit()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。