如何获取 sklearn count vectorizer 返回的矩阵中的列总和？

Question

如何获取 sklearn 返回的词频矩阵中任意给定列的总和 CountVectorizer?

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()

corpus = [ 'This is a sentence',
           'Another sentence is here',
           'Wait for another sentence',
           'The sentence is coming',
           'The sentence has come'
         ]

x = vectorizer.fit_transform(corpus)

例如我想找出矩阵中sentence的频率。所以我想要 sentence 列的总和。我想不出办法来做到这一点：

• 例如，我尝试了 x['sentence'].sum() 但没有帮助
• 我也尝试将其转换为 pandas 数据帧并计算总和，但我不需要将此矩阵转换为数据帧。

Answer 1

您可以尝试以下方法：

1. 从 CountVectorizer 获取您的术语在 feature_names() 列表中的位置。
2. 使用该位置对 CSR 矩阵中的所有列求和（x，在您的情况下）。

代码：

import numpy as np

term_to_sum = 'sentence'    
index_term = vectorizer.get_feature_names().index(term_to_sum)

s = np.sum(x[:, index_term])  # here you get the sum