Python 如何使用sklearn将第二个特征添加到计数矢量化特征？

我的数据集中有3列：

审查：产品审查

类型：类别或产品类型

成本：产品成本是多少

这是一个以类型为目标变量的多类问题。此数据集中有64种不同类型的产品

回顾和成本是我的两大特色

我已将数据分为4组，删除了类型变量：

X = data.drop('type', axis = 1)
y = data.type
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

对于评论，我使用以下方法对其进行矢量化：

vect = CountVectorizer(stop_words = stop)
X_train_dtm = vect.fit_transform(X_train.review)

这就是我被困的地方

为了运行模型，我需要在训练集中同时拥有这两个功能，但是，由于X_train_dtm是一个稀疏矩阵，我不确定如何将我的pandas系列成本功能连接到该稀疏矩阵。由于数据已经是成本的数字，我认为我不需要对其进行转换，这就是为什么我没有使用类似“FeatureUnion”的东西，它结合了两个转换后的功能

任何帮助都将不胜感激

示例数据：

| Review           | Cost        | Type         |
|:-----------------|------------:|:------------:|
| This is a review |        200  |     Toy     
| This is a review |        100  |     Toy    
| This is a review |        800  |  Electronics     
| This is a review |         35  |     Home      

更新

在应用tarashypka的解决方案后，我能够将第二个特性添加到X_train_dtm中。但是，我在尝试在测试集上运行相同的测试时出错：

从scipy.sparse导入hstack

vect = CountVectorizer(stop_words = stop)
X_train_dtm = vect.fit_transform(X_train.review)
prices = X_train.prices.values[:,None]
X_train_dtm = hstack((X_train_dtm, prices))

#Works perfectly for the training set above
#But when I run with test set I get the following error
X_test_dtm = vect.transform(X_test)
prices_test = X_test.prices.values[:,None]
X_test_dtm = hstack((X_test_dtm, prices_test))

Traceback (most recent call last):

  File "<ipython-input-10-b2861d63b847>", line 8, in <module>
    X_test_dtm = hstack((X_test_dtm, points_test))

  File "C:\Users\k\Anaconda3\lib\site-packages\scipy\sparse\construct.py", line 464, in hstack
    return bmat([blocks], format=format, dtype=dtype)

  File "C:\Users\k\Anaconda3\lib\site-packages\scipy\sparse\construct.py", line 581, in bmat
    'row dimensions' % i)

ValueError: blocks[0,:] has incompatible row dimensions

vect=countvectorier（stop\u words=stop）
X\u train\u dtm=向量拟合变换（X\u train.review）
价格=X_列价格值[：，无]
X_-train_-dtm=hstack（（X_-train_-dtm，价格））
#适用于上述培训集
#但是当我使用测试集运行时，我得到以下错误
X_测试\u dtm=向量变换（X_测试）
价格检验=X检验。价格。值[：，无]
X_-test_-dtm=hstack（（X_-test_-dtm，prices_-test））
回溯（最近一次呼叫最后一次）：
文件“”，第8行，在
X_测试\u dtm=hstack（（X_测试\u dtm，点测试））
文件“C:\Users\k\Anaconda3\lib\site packages\scipy\sparse\construct.py”，第464行，在hstack中
返回bmat（[blocks]，format=format，dtype=dtype）
文件“C:\Users\k\Anaconda3\lib\site packages\scipy\sparse\construct.py”，第581行，在bmat中
'行维度“%i”）
ValueError:块[0，：]的行维度不兼容

在您的案例中，

X\u train\u dtm

计数向量器的结果是

scipy.sparse.csr\u matrix

类型。如果不想将其转换为numpy数组，则可以通过

scipy.sparse.hstack

添加另一列

>> from scipy.sparse import hstack
>> prices = X_train['Cost'].values[:, None]
>> X_train_dtm = hstack((X_train_dtm, prices))

---

在您的例子中，

X\u train\u dtm

计数向量器的结果是类型为

scipy.sparse.csr\u matrix

。如果不想将其转换为numpy数组，则可以通过

scipy.sparse.hstack

添加另一列

>> from scipy.sparse import hstack
>> prices = X_train['Cost'].values[:, None]
>> X_train_dtm = hstack((X_train_dtm, prices))

---

用来为你钉东西。这个问题很像你的问题。

用来帮你解决问题。这很像你的问题。

你能上传你的数据吗？@sera我添加了一些示例数据，谢谢！你能上传你的数据吗？@sera我添加了一些示例数据，谢谢！感谢您的帮助，但我得到了以下错误：ValueError:blocks[0，：]具有不兼容的行维度，这是因为data和X_train_dtm具有不同的行数，因为第二行是拆分第一行的结果。我更新了答案，现在检查一下。谢谢！这是可行的，但是我在尝试在测试集上生成hstack时遇到了相同的块错误。我已经更新了原始问题。@NegativeCorrelation您需要调用

fit\u transform

，而不是

transform

（就像您对火车组所做的那样），因为第二个问题返回

None

。这样做仍然会导致相同的问题：ValueError:blocks[0，：]具有不兼容的行维度感谢帮助，但是我得到了以下错误：ValueError:blocks[0，：]具有不兼容的行维度，这是因为data和X_train_dtm具有不同的行数，因为第二行是拆分第一行的结果。我更新了答案，现在检查一下。谢谢！这是可行的，但是我在尝试在测试集上生成hstack时遇到了相同的块错误。我已经更新了原始问题。@NegativeCorrelation您需要调用

fit\u transform

，而不是

transform

（就像您对火车组所做的那样），因为第二个问题返回

None

。这样做仍然会导致相同的问题：ValueError:blocks[0，：]具有不兼容的行维度