Scikit learn 将X.toarray反转为sklearn中的计数向量器

我在这里提供以下文档：

假设我已经有了一个术语频率矩阵，如

X.toarray（）

中给出的，但我没有使用CountVectorizer来获得它

我想对该矩阵应用TfIDF。有没有一种方法可以让我使用一个计数数组+一个字典，并将这个函数的一些逆函数作为构造函数来得到一个fit_变换的X

我在找

>>> print(X.toarray())
[[0 1 1 1 0 0 1 0 1]
 [0 2 0 1 0 1 1 0 1]
 [1 0 0 1 1 0 1 1 1]
 [0 1 1 1 0 0 1 0 1]]


>>> V = CountVectorizerConstructorPrime(array=(X.toarray()), 
                                        vocabulary=['and', 'document', 'first', 'is', 'one', 'second', 'the', 'third', 'this'])

以便：

>>> V == X
True

---

由

CountVectorizer

构造的

X

是一个压缩稀疏行（csr）格式的稀疏矩阵。因此，您可以使用适当的SciPy函数直接从任何字数矩阵构造它：

从scipy.sparse导入csr\u矩阵
V=csr_矩阵（X.toarray（））

现在，

V

和

X

是相等的，尽管这可能并不明显，因为

V==X

会给您另一个稀疏矩阵（或者抱怨矩阵不是稀疏的，尽管有预期的格式，请参阅）。但你可以这样检查：

（V！=X）.toarray（）.any（）

False

请注意，不需要单词列表，因为矩阵只对所有不同单词的频率进行编码，不管它们是什么

>>> V == X
True