Python CountVectorizer变换后意外的稀疏矩阵

我是NLTK的新手，在为评论创建分类器方面遇到了麻烦。

当作为输入传递的数据是形状（10000,1）时，我无法理解转换数据的形状如何是1*1稀疏矩阵 我已经处理了一些原始的审查数据。例如删除停止词、词干和删除标点符号。

---

我需要关于我哪里出错的帮助，如果需要更多详细信息来查找问题，请告诉我。

根据屏幕截图的格式，看起来

X\u train1

实际上是一个熊猫数据框。问题在于

Description

是一列单词列表（可能长度不等）。大概是这样的：

X = np.array([['alpha','beta'],['theta','theta','gamma'],['delta','delta']])
X_train1 = pd.DataFrame(X, columns=["Description"])

X_train1
             Description
0          [alpha, beta]
1  [theta, theta, gamma]
2         [delta, delta]

X_train1.shape # (3,1)

因此，您有10000行单词列表（形状

（nrow，1）

）。
但是

CountVectorizer

（假设您使用的是

sklearn

类）需要一个文档数组。从：

CountVectorizer：将文本文档集合转换为令牌计数矩阵

更具体地，考虑参数定义为<代码> FIE（）> <代码>：

原始文档：可生成str、unicode或file对象的iterable

如果您只是尝试传入

X_train1

，那么您并没有提供预期的输入-您传入的是一个数据帧，其中包含一列，其中包含字符串的列表对象。您应该期望得到奇怪的输出

假设

X\u train1

中的每一行代表一个文档，尝试加入每一行的单词列表，然后传递到

countvectorier

：

X = X_train1.Description.apply(lambda row: ' '.join(row))
ctvec = CountVectorizer()
ctvec.fit_transform(X) # combine fit(X) and transform(X)

输出：

<3x5 sparse matrix of type '<class 'numpy.int64'>'
    with 5 stored elements in Compressed Sparse Row format>

---

此输出与预期输入更为一致。

请显示

X\u train1

中的几行。我编辑了问题并添加了X\u train1@andrew\u reeceIt的示例。它看起来像

X\u train1

是一个带有列

说明的熊猫数据框。对吗？