我已经使用 sklearn 获取我的语料库的 tfidf 分数,但输出不是我想要的格式。
代码:
vect = TfidfVectorizer(ngram_range=(1,3))
tfidf_matrix = vect.fit_transform(df_doc_wholetext['csv_text'])
df = pd.DataFrame(tfidf_matrix.toarray(),columns=vect.get_feature_names())
df['filename'] = df.index
我拥有的:
word1、word2、word3 可以是语料库中的任何单词。例如,我将它们称为 word1 、 word2 、 word3 。
我需要什么:
我尝试对其进行转换,但它会将所有列转换为行。有没有办法实现这一点?
最佳答案
df1 = df.filter(like='word').stack().reset_index()
df1.columns = ['filename','word_name','score']
输出:
filename word_name score
0 0 word1 0.01
1 0 word2 0.04
2 0 word3 0.05
3 1 word1 0.02
4 1 word2 0.99
5 1 word3 0.07
常规列标题的更新:
df1 = df.iloc[:,1:].stack().reset_index()
关于python - 如何将 sklearn tfidf 矢量 pandas 输出转换为有意义的格式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57629697/