Python TfidfVectorizer.fit_变换给定类型错误

我是新手。我需要计算一个大型语料库的tf idf向量。但在开始之前，我试着为一些小文档编写代码，每个文档不超过5-6个单词。我编写的具体代码如下所示：

from sklearn.feature_extraction.text 
import TfidfVectorizer
vectorizer = TfidfVectorizer(min_df=1)
vectors = vectorizer.fit_transform(docList)

它在我的笔记本电脑上运行正常，但在服务器上运行时产生以下错误：

Traceback (most recent call last):
  File "temp1.py", line 49, in <module>
    tfidf_vectorizer.fit_transform(docList)
  File "/usr/lib64/python2.6/site-packages/sklearn/feature_extraction/text.py", line 1285, in fit_transform
    X = super(TfidfVectorizer, self).fit_transform(raw_documents)
  File "/usr/lib64/python2.6/site-packages/sklearn/feature_extraction/text.py", line 825, in fit_transform
max_features)
  File "/usr/lib64/python2.6/site-packages/sklearn/feature_extraction/text.py", line 697, in _limit_features
    dfs = _document_frequency(X)
  File "/usr/lib64/python2.6/site-packages/sklearn/feature_extraction/text.py", line 491, in _document_frequency
    return bincount(X.indices, minlength=X.shape[1])
  File "/usr/lib64/python2.6/site-packages/sklearn/utils/fixes.py", line 345, in bincount
    return np.bincount(x, weights, minlength)
TypeError: function takes at most 2 arguments (3 given)

回溯（最近一次呼叫最后一次）：
文件“temp1.py”，第49行，在
tfidf_矢量化器.fit_变换（文档列表）
文件“/usr/lib64/python2.6/site packages/sklearn/feature\u extraction/text.py”，第1285行，在fit\u transform中
X=super（TfidfVectorizer，self）.fit\u转换（原始文档）
文件“/usr/lib64/python2.6/site packages/sklearn/feature_extraction/text.py”，第825行，在fit_transform中
最大（U特性）
文件“/usr/lib64/python2.6/site-packages/sklearn/feature\u-extraction/text.py”，第697行，in\u-limit\u-features
dfs=\文件\频率（X）
文件“/usr/lib64/python2.6/site packages/sklearn/feature\u extraction/text.py”，第491行，在文档中
返回bincount（X.index，minlength=X.shape[1]）
文件“/usr/lib64/python2.6/site packages/sklearn/utils/fixes.py”，第345行，在bincount中
返回np.bincount（x，权重，最小长度）
TypeError:函数最多接受2个参数（给定3个）

安装的sklearn版本有问题吗？我的笔记本电脑安装了0.17.1，服务器安装了sklearn 0.16.1。由于我的语料库非常大，我必须在服务器上运行它，否则我自然会面临内存问题

如能深入了解此问题，将不胜感激。

---

谢谢：）

据报道，我认为这与numpy的错误安装有关

您可以运行测试并检查（需要）：

如果是这种情况，您需要删除numpy（也可能是scikit learn），然后按照建议的说明重新安装：

---

使用conda也可能是一个不错的选择：

我认为这与numpy的错误安装有关，据报道

您可以运行测试并检查（需要）：

如果是这种情况，您需要删除numpy（也可能是scikit learn），然后按照建议的说明重新安装：

---

使用conda也是一个不错的选择：

服务器上安装了哪个版本的numpy？服务器上安装了哪个版本的numpy？

pip install nose
nosetests -v numpy
nosetests -v sklearn