NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化

NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化

目录

输出结果

实现代码

输出结果

实现代码

  

   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #定义一组字典列表，用来表示多个数据样本(每个字典代表一个数据样本)
     
    
   

    

     

    
    

     

      from sklearn.feature_extraction import DictVectorizer
     
    
   

    

     

    
    

     

      measurements = [{'city': 'Shang Hai', 'temperature': 33.}, {'city': 'Bei Jing', 'temperature': 12.}, {'city': 'Las Vegas', 'temperature': 18.}]
     
    
   

    

     

    
    

     

      vec = DictVectorizer()  #初始化DictVectorizer特征抽取器
     
    
   

    

     

    
    

     

      print(vec.fit_transform(measurements).toarray()) #输出转化之后的特征矩阵
     
    
   

    

     

    
    

     

      print(vec.get_feature_names()) #输出各个维度的特征含义
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/88082930