Python 创建群集时出现错误。_libs.hashtable.Int64HashTable.get_项

我很久以前就在这个项目中工作，在分析集群时遇到了一些问题。基本上，我使用panda read_csv（）（导出为csv的excel文件）从一个包含4000条记录的csv文件中读取一些数据，然后通过删除标点、标记和词干来清除提取的数据，在接下来的步骤中，我创建Tdidf矩阵，并使用k-means创建集群

我使用了以下LIB：

单词标记化、雪球词干分析器、TfidfVectorizer、余弦相似度、KMeans、MDS。使用python 3

from\uuuuu future\uuuuu导入打印功能
导入操作系统
导入nltk
作为pd进口熊猫
从nltk.tokenize导入单词\u tokenize
从nltk.stem.snowball导入SnowballStemmer
从sklearn.feature\u extraction.text导入TfidfVectorizer
从sklearn.metrics.pairwise导入余弦_相似性
从sklearn.cluster导入KMeans
从sklearn.manifold导入MDS
从scipy.spatial.distance导入cdist
将matplotlib.pyplot作为plt导入
从字符串导入标点符号
将numpy作为np导入
#文件主体（路径）与文件主体（路径）之间的关系。
#这些属属于原始档案的文本列表
def CrearCorpus（路径）：
df=pd.read_csv（'./llamadas.csv'，usecols=['motivo'，'respuesta']，分隔符='；'））
语料库=[]
对于范围（14050）内的i：
problema=str（df['motivo'][i]）
溶解=str（df['respuesta'][i]）
problema_final=problema+“”+解决方案
语料库.附加（[最后一个问题，'文件'+str（i+1）]）
返回（语料库）
#Eliminar“stopwords”de un texto
def_RemoveStopwords（句子）：
单词标记=单词标记化（句子）
stop_words=set（stopwords.words（'西班牙语'））
过滤的句子=[w表示单词中的w，如果不是停止词中的w，则表示单词中的w]
过滤的句子=“”
对于w in word_代币：
如果w不在“停止”字中：
过滤句子=过滤句子+“”+w
返回（过滤的句子）
#Lee cada uno de los documents desde el corpus y generals los textos y sus identificatedores（标题）
def read_文档（路径）：
语料库=CrearCorpus（路径）
文件=[]
标题=[]
对于范围内的c（len（corpus））：
（doc，fn）=语料库[c]
标题。附加（fn）
文件。附加（doc）
返回（（文件、标题））
#Elimina puntuación de los documentos
def RemovePuntuation（文档）：
translator=str.maketrans（“”，，，标点符号）
对于范围内的i（len（文档））：
文件[i]=文件[i]。翻译（译者）
报税表（文件）
#西班牙文本的实现
def词干分析器（文本）：
词干分析器=雪球词干分析器（“西班牙语”）
words\u stem=词干分析器.stem（文本）
返回（单词/词干）
#实现文字符号化和文字符号化
def标记化_和_系统（文本数据）：
text=word\u标记化（textdata）
lista=[]
对于文本中的元素：
word=元素下限（）
新潮=词干分析器（word）
lista.append（nuevo）
返回（lista）
#实现文本标记化
仅def标记化（文本）：
tokens=[word.lower（）表示nltk中的sent。sent\u表示nltk.word中的word的tokenize（text）]
过滤的令牌=令牌
返回已过滤的\u令牌
#文档语料库的一部分
#这是一张表格（框架），代表了卡达文件的“词汇”
词汇定义（文档）：
#crear dos listas、una lematizada和otra con代币
totalvocab_词干=[]
totalvocab_标记化=[]
对于文件中的i：
allwords_词干=标记化_和_词干（i）
totalvocab_词干扩展（所有单词_词干扩展）
allwords\u tokenized=仅tokenize\u（i）
totalvocab_标记化。扩展（所有单词标记化）
vocab_frame=pd.DataFrame（{'words'：totalvocab_标记化}，index=totalvocab_词干）
返回（音频帧）
#Crea una矩阵tf x idf“标记化”和lematizados文本部分
def crear_matriz_tfidf（）：
tfidf_矢量化器=tfidf矢量化器（最大df=0.8，最大特征=200000，
最小值df=0.2，
使用(idf=True,tokenizer=tokenize)和(stem,ngram(range=(1,3))
tfidf_矩阵=tfidf_矢量器.拟合变换（文档）
terms=tfidf\u矢量器。获取\u功能\u名称（）
返回（（tfidf_矩阵，术语））
#Realisa聚类K-means de la matrix tf x idf（entrega los聚类）
def群集（tfidf_矩阵、num_群集）：
km=KMeans（n_集群=num_集群）#Crea objeto de datos KMeans
km.fit（tfidf_矩阵）#实现K-平均值
集群=km.labels_uz.tolist（）
返回（（群集，公里））
#集群和对象（文献和宫殿）的总体结构
def集群_统计数据（集群、标题、公里数、tfidf_矩阵）：
#阿布里莫斯阿尔奇沃酒店
df=pd.read_csv（'./llamadas.csv'，usecols=['Plataforma']，分隔符='；'））
电影={'title'：标题，'documents'：文档，'cluster'：clusters}
frame=pd.DataFrame（电影，索引=[clusters]，列=['title'，'cluster']）
帧['cluster']。值_counts（）#每个簇的文档数
打印（“顶部终端端口群集：”）
打印（）
#奥德纳星群中心，近心星群中心
order_centroids=km.cluster_centers_.argsort（）[：，：-1]
#analizamos簇por簇
对于范围内的i（num_簇）：
打印（“集群%d的Palabras:“%i，end=”）
对于按质心[i，：5]顺序排列的ind:#将6替换为每个簇n个字
打印（“%s”%vocab_frame.loc[terms[ind].split（“”）].values.tolist（）[0][0]。编码（'utf-8'，'ignore'），
结束='，'）
打印（）
打印（）
#集群内总苞文档的可变参数
列表_行=[]
打印（“IDs de cluster%d:“%i，end=”）
对于frame.loc[i]['title'].values.tolist（）中的标题：