将 sklearn CountVectorizer 矩阵转换为字典列表

Question

我使用CountVectorizer 创建了一个矩阵，看起来像

[[1, 2, 1....],
 [0, 4, 0,...],
 [0, 0, 7....]]

每列映射到一个特征名称

['sweet', 'pretty', 'bad'....]

我想做的事

将矩阵的行转换为格式为

的字典列表

[{'sweet': 1, 'pretty': 2, 'bad': 1  ..} , {'sweet': 0, 'pretty': 4, 'bad': 0  ..} , {'sweet': 0, 'pretty': 0, 'bad': 7  ..}]

这基本上是在做DictVectorizer 的inverse_transform 函数会做的事情，但是由于我没有从字典中创建矩阵，我认为我不能使用它，因为我收到了这个错误

“DictVectorizer”对象没有属性“feature_names_”

我如何实现这一目标？ NumPy 是否提供了一个内置函数来将数组转换为字典列表，我可以在其中将每一列映射到给定的键？

Answer 1

您要查找的函数是 get_feature_names
不确定是否有内置的方法可以实现您想要的，但可以通过简单的地图轻松实现

from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer() 

#`data` is an array of strings

tdata = cv.fit_transform(data) 

ft = cv.get_feature_names() 

#create a dictionary with feature names as keys and row elements as values

result = list(map(lambda row:dict(zip(ft,row)),tdata.toarray()))

编辑：节省内存的解决方案

import pandas as pd

df = pd.SparseDataFrame(tdata, columns=ft)