[英]Run CountVectorizer on single column Series from two-column dataframe?
如何將具有多列的 pandas dataframe 的單列轉換為 CountVectorizer 的系列?
我有一個 Pandas dataframe 有 2 列 x 9372 記錄(行):
twodig
,是 integerdescrp
並且是 varchar刪除停用詞和特殊字符后,我只想在descrp
列上使用 CountVectorizer ,但仍保留twodig
。
import pandas
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
bowmatrix = vectorizer.fit_transform(df)
但是,運行 CountVectorizer 需要將 dataframe 轉換為 pandas 系列,然后使用 CountVectorizer 運行。
corpus = pd.Series(df)
但是當我運行腳本時,產生的錯誤:錯誤的項目數通過 2,放置意味着 9372
您只能從 DataFrame 那里獲得該列,如下所示: df["descrp"]
所以您的代碼將是:
import pandas
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
bowmatrix = vectorizer.fit_transform(df["descrp"])
你可以做這樣的事情,但在那之后使用起來就不是最佳的了。
import pandas
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
df["bowmatrix"] = vectorizer.fit_transform(df["descrp"])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.