如何从熊猫中的countvectorizer稀疏数据框中删除几列

【问题标题】：How remove few columns from countvectorized sparse dataframe in pandas如何从熊猫中的countvectorizer稀疏数据框中删除几列
【发布时间】：2018-05-25 04:30:09
【问题描述】：

我在 countvectorized 数据框中有大约 2000 个文本特征。我有 800 个文本特征列的列表，它们对预测模型具有实际的特征重要性贡献。我只想保留这 800 列并删除其余 1200 列，因为它们对我的预测贡献不大。

我该怎么做。我有要在文本文件中维护的列列表。

cv = CountVectorizer( max_features = 2000,analyzer='word') 
    cv_text = cv.fit_transform(data.pop('text'))
    for i, col in enumerate(cv.get_feature_names()):
        data[col] = pd.SparseSeries(cv_text[:, i].toarray().ravel(), fill_value=0)

【问题讨论】：

标签： python pandas scikit-learn nlp

【解决方案1】：

应该很简单：

data = data.drop(list_of_cols_to_drop, axis=1)

或

data = data.drop(data.columns.difference(list_of_needed_cols), axis=1)

SparseDataFrame 对象有一个 drop 方法。

来自文档字符串：

In [139]: pd.SparseDataFrame.drop?
Signature: pd.SparseDataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='rai
se')
Docstring:
Return new object with labels in requested axis removed.

【讨论】：

我只有要维护的列的列表，而不是要删除的列的列表。