Pandas 数据中没有字的计数向量器

我是一个新的学习和计数矢量器

我正经历着一些奇怪的行为

初始化计数向量器

from sklearn.feature_extraction.text import CountVectorizer
count_vect = CountVectorizer()
document_mtrx = count_vect.fit_transform(df['description'])
count_vect.vocabulary_
count_vect.vocabulary_
Out[28]:
{u'viewscity': 36216,
 u'sizeexposed': 31584,
 u'rentalcontact': 29104,
 u'villagebldg': 36323,

获取包含单词rentalcontact的行

df[df['description'].str.contains('rentalcontact')]

返回的行数为0。为什么会出现这种情况？

有一个参数

小写

，默认值为

True

——这很可能就是您找不到这些值的原因

所以试试这个：

df[df['description'].str.lower().str.contains('rentalcontact')]
#                        ^^^^^^^

更新：

词汇：听写

术语到特征索引的映射

u'rentalcontact'：29104

-表示

'rentalcontact'

在功能列表中有一个索引

29104

---

例如，

vectorizer.get\u feature\u names（）[29104]

应返回

'rentalcontact'

此术语出现的次数为29104。然而，当我运行最后一行代码时，它只返回1个结果。还有什么我遗漏的吗？@aceminer，AFAIK

29104

是排序功能列表中

rentalcontact

的索引。如何检查：

print（vectorizer.get\u feature\u names（）[29104]）

如何获取术语的频率？@aceminer，

document\u mtrx.sum（0）

-将为您提供所需的结果