Python 如何获得单词的TF-IDF分数？

我有一个很大的语料库（大约40万个独特的句子）。我只想得到每个单词的TF-IDF分数。我试图通过扫描每个单词并计算频率来计算每个单词的分数，但这太耗时了

我用过：

  X= tfidfVectorizer(corpus)

从sklearn，但它直接返回句子的向量表示。是否有任何方法可以获得语料库中每个单词的TF-IDF分数？

使用（取自文档）：

现在，如果我打印

X.toarray（）

：

此2D数组中的每一行都引用一个文档，该行中的每个元素都引用相应单词的TF-IDF分数。要了解每个元素代表的单词，请查看

.get\u feature\u names（）

函数。它将打印出一个单词列表。例如，在本例中，请查看第一个文档的行：

[0., 0.46979139, 0.58028582, 0.38408524, 0., 0., 0.38408524, 0., 0.38408524]

在本例中，

.get\u feature\u names（）

返回以下内容：

['and', 'document', 'first', 'is', 'one', 'second', 'the', 'third', 'this']

因此，将分数映射到如下单词：

dict(zip(vectorizer.get_feature_names(), X.toarray()[0]))
{'and': 0.0, 'document': 0.46979139, 'first': 0.58028582, 'is': 0.38408524, 'one': 0.0, 'second': 0.0, 'the': 0.38408524, 'third': 0.0, 'this': 0.38408524}

---

TF-IDF不是整个语料库中的每个单词，而是每个文档中的每个单词，因此您无法获得语料库中每个唯一单词的值。另外，您能否准确地说明如何使用

tfidfvectorier

？这正是我所需要的。每个文档/语料库每个单词的分数@明天32，你能准确地展示一下你是如何使用

tfidfvectorier

的吗？这与我上面评论的方式相同。语料库=列表（文档中的句子）。但它返回每个句子的唯一向量表示。但是，您不知道每个单词在文档中的准确分数。请使用

vectorizer.get\u feature\u names（）

和

vectorizer.idf

获取每个单词的分数。参考

['and', 'document', 'first', 'is', 'one', 'second', 'the', 'third', 'this']

dict(zip(vectorizer.get_feature_names(), X.toarray()[0]))
{'and': 0.0, 'document': 0.46979139, 'first': 0.58028582, 'is': 0.38408524, 'one': 0.0, 'second': 0.0, 'the': 0.38408524, 'third': 0.0, 'this': 0.38408524}