如何获取 sklearn 计数向量化器返回的矩阵中的列总和？答案

【问题标题】：How to get column sum in the matrix returned by sklearn count vectorizer?如何获取 sklearn 计数向量化器返回的矩阵中的列总和？
【发布时间】：2020-01-26 05:23:17
【问题描述】：

如何获取sklearn CountVectorizer返回的词频矩阵中任意给定列的总和？

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()

corpus = [ 'This is a sentence',
           'Another sentence is here',
           'Wait for another sentence',
           'The sentence is coming',
           'The sentence has come'
         ]

x = vectorizer.fit_transform(corpus)

例如我想找出矩阵中sentence 的频率。所以我想要sentence 列的总和。我想不出办法：

例如，我尝试了x['sentence'].sum()，但没有帮助
我还尝试将其转换为 pandas 数据帧并计算总和，但我不需要将此矩阵转换为数据帧。

【问题讨论】：

标签： python python-3.x scikit-learn countvectorizer

【解决方案1】：

您可以尝试以下方法：

从 CountVectorizer 获取您的术语在 feature_names() 列表中的位置。
使用该位置对 CSR 矩阵中的所有列求和（在您的情况下为x）。

代码：

import numpy as np

term_to_sum = 'sentence'    
index_term = vectorizer.get_feature_names().index(term_to_sum)

s = np.sum(x[:, index_term])  # here you get the sum

【讨论】：