使用 pandas 在现有数据框列上应用矢量化器,获取新数据框列中的计数矢量化器词汇表
Get count vectorizer vocabulary in new dataframe column by applying vectorizer on existing dataframe column using pandas
我的数据框列 'review' 的内容类似于 'Food was Awesome',我想要一个新列来计算每个单词的重复次数。
name The First Years Massaging Action Teether
review A favorite in our house!
rating 5
Name: 269, dtype: object
期望输出像 ['Food':1,'was':1,'Awesome':1]
我尝试使用 for 循环,但执行时间太长
for row in range(products.shape[0]):
try:
count_vect.fit_transform([products['review_without_punctuation'][row]])
products['word_count'][row]=count_vect.vocabulary_
except:
print(row)
我想不用for循环来做。
您可以像这样获取所有文档的计数向量:
cv = CountVectorizer()
count_vectors = cv.fit_transform(products['review_without_punctuation'])
要按索引获取特定文档的数组格式计数向量,例如第一个文档,
count_vectors[0].toarray()
词汇在
cv.vocabulary_
要获取构成计数向量的单词,例如,对于第一个文档,请使用
cv.inverse_transform(count_vectors[0])
我找到了解决方案。
我定义了这样一个函数-
def Vectorize(text):
try:
count_vect.fit_transform([text])
return count_vect.vocabulary_
except:
return-1
并应用以上函数-
from sklearn.feature_extraction.text import CountVectorizer
count_vect = CountVectorizer()
products['word_count'] = products['review_without_punctuation'].apply(Vectorize)
这个解决方案奏效了,我在新专栏中获得了词汇。
我的数据框列 'review' 的内容类似于 'Food was Awesome',我想要一个新列来计算每个单词的重复次数。
name The First Years Massaging Action Teether
review A favorite in our house!
rating 5
Name: 269, dtype: object
期望输出像 ['Food':1,'was':1,'Awesome':1] 我尝试使用 for 循环,但执行时间太长
for row in range(products.shape[0]):
try:
count_vect.fit_transform([products['review_without_punctuation'][row]])
products['word_count'][row]=count_vect.vocabulary_
except:
print(row)
我想不用for循环来做。
您可以像这样获取所有文档的计数向量:
cv = CountVectorizer()
count_vectors = cv.fit_transform(products['review_without_punctuation'])
要按索引获取特定文档的数组格式计数向量,例如第一个文档,
count_vectors[0].toarray()
词汇在
cv.vocabulary_
要获取构成计数向量的单词,例如,对于第一个文档,请使用
cv.inverse_transform(count_vectors[0])
我找到了解决方案。 我定义了这样一个函数-
def Vectorize(text):
try:
count_vect.fit_transform([text])
return count_vect.vocabulary_
except:
return-1
并应用以上函数-
from sklearn.feature_extraction.text import CountVectorizer
count_vect = CountVectorizer()
products['word_count'] = products['review_without_punctuation'].apply(Vectorize)
这个解决方案奏效了,我在新专栏中获得了词汇。