python - 如何显示每个被向量化的单词的实际数量

Question

我正在阅读一本关于 Scikit-learn 的教程书，其中一个部分包含以下代码块:

from sklearn.feature_extraction.text import CountVectorizer
corpus = ['The dog ate a sandwich, the wizard transfigured a sandwich, and I ate a sandwich']
vectorizer = CountVectorizer(stop_words='english')
print vectorizer.fit_transform(corpus).todense()

当我运行它时，我得到这个:

[[2 1 3 1 1]]

当我应该得到这两个时:

[[2 1 3 1 1]]
{u'sandwich': 2, u'wizard': 4, u'dog': 1, u'transfigured': 3, u'ate': 0}

如何更改代码以获取被向量化的每个单词的实际单词和数量，而不仅仅是向量本身？

Answer 1

模型拟合后，您将访问 .vocabulary_ 属性:

>>> vectorizer.vocabulary_
{'ate': 0, 'dog': 1, 'sandwich': 2, 'transfigured': 3, 'wizard': 4}