通過單詞的頻率向量向量化單詞列表

Question

我正在嘗試使用朴素貝葉斯對消息進行分類。 現在，我有一個字符串列表a這是我選擇的一些詞，它們對幫助分類消息具有重要意義。 現在，給定另一個表示消息中單詞集的字符串b列表，我想通過計算 a 中每個字符串的頻率來向量化b 。 我的意思是例如a=["qqq","www","eee","rrr","ttt"]和b=["aaa","sss","ddd","qqq","ttt"]那么該方法應該為向量 b 返回[1,0,0,0,1] 。 我該怎么做？

Answer 1

這似乎有效：

>>> a=["qqq","www","eee","rrr","ttt"]
>>> b=["aaa","sss","ddd","qqq","ttt"]

>>> from collections import Counter
>>> c = Counter(b)
>>> [c[i] for i in a]
[1, 0, 0, 0, 1]
>>> 

Answer 2

一種可能低效的方法是：

[b.count(x) for x in a]