Python 属性错误：'；列表'；对象没有属性'；下'；在TF-IDF中

我正在尝试在熊猫专栏中应用TF-IDF

资料

我知道要使用CountVectorier，我需要将列转换为list（这就是我试图做的）

要应用TFIDF，我无法应用列表（我尝试将其转换为字符串）

但我仍然有这个错误

AttributeError                            Traceback (most recent call last)
<ipython-input-239-92f296939ea7> in <module>()
     16  
---> 17 tf_idf_vector=tfidf_transformer.transform(cv.transform([documento]))

AttributeError: 'list' object has no attribute 'lower'

AttributeError回溯（最近一次调用）
在（）
16
--->17 tf_idf_vector=tfidf_transformer.transform（cv.transform（[documento]））
AttributeError:“list”对象没有属性“lower”

我只是在猜测，因为我没有使用sklearn，您也没有发布完整的stacktrace，但异常看起来需要一个字符串列表作为参数，并调用字符串元素的“lower（）”

但您要做的是为它提供一个包含字符串的列表：

corpus=[1,2,3]
document=[''.join（str（item））用于语料库中的项目]
打印（文件）
>>> ['1','2','3']
打印（[文档]）
>>> [['1','2','3']]

我敢打赌，如果你只是打电话，它会被修复：

tf_idf_vector=tfidf_transformer.transform（cv.transform（文档））

您可以使用sklearn管道来简化这一过程

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.pipeline import Pipeline 

tf_idf = Pipeline([('cv',CountVectorizer()), ('tfidf_transformer',TfidfTransformer(smooth_idf=True,use_idf=True))])


tf_idf_vector  = tf_idf.fit_transform(corpus)

---

但这是另一个问题。我不能问？对不起，如果禁止的话，我会删除这个问题。是的，这是不一样的…你为什么不使用。。简单得多

AttributeError                            Traceback (most recent call last)
<ipython-input-239-92f296939ea7> in <module>()
     16  
---> 17 tf_idf_vector=tfidf_transformer.transform(cv.transform([documento]))

AttributeError: 'list' object has no attribute 'lower'

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.pipeline import Pipeline 

tf_idf = Pipeline([('cv',CountVectorizer()), ('tfidf_transformer',TfidfTransformer(smooth_idf=True,use_idf=True))])


tf_idf_vector  = tf_idf.fit_transform(corpus)