http://bilibili.com/video/BV184411Q7Ng?p=6

"""
演示字典的特徵抽取，
DictVectorizer是一個類的名字
"""
from sklearn.feature_extraction import DictVectorizer


def dictvec():
    """
    字典資料抽取
    :return:
    加入引數sparse=False可以把轉換成的資料轉換成陣列
    """
    dict=DictVectorizer(sparse=False) #例項化 sparse=False
    data=dict.fit_transform([{'
 
city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'深圳','temperature':30}])      # 呼叫fit_transform就是把字串資料轉化成特徵,返回的是個data
    print(dict.inverse_transform(data))


    return None


if __name__=="__main__":
    dictvec()

執行結果：

C:\Users\TJ\AppData\Local\Programs\Python\Python37\python.exe D:/qcc/python/mnist/feature_abstract.py
[{'city=北京': 1.0, 'temperature': 100.0}, {'city=上海': 1.0, 'temperature': 60.0}, {'city=深圳': 1.0, 'temperature': 30.0}]

Process finished with exit code 0

"""
演示字典的特徵抽取，
DictVectorizer是一個類的名字
 CountVectorizer是一個類的名字,可以用來例項化一個變數
"""
from sklearn.feature_extraction import DictVectorizer
from sklearn.feature_extraction.text import CountVectorizer

def dictvec():
    """
    字典資料抽取
    :return:
    加入引數sparse=False可以把轉換成的資料轉換成陣列
    
 
"""
    dict=DictVectorizer(sparse=False) #例項化 sparse=False
    data=dict.fit_transform([{'city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'深圳','temperature':30}])      # 呼叫fit_transform就是把字串資料轉化成特徵,返回的是個data
    print(dict.inverse_transform(data))


    return None


def countvec():
    """
    對文字進行特徵值化
    :return:
    """
    cv=CountVectorizer() #例項化一個物件
    data=cv.fit_transform(["life is short,i like python","life is too long,i dislike python"])  #逗號隔開的代表兩篇文章,呼叫方法後有一個返回值
    print(cv.get_feature_names())
    print(data.toarray())

    return None



if __name__=="__main__":
    countvec()

執行結果：

C:\Users\TJ\AppData\Local\Programs\Python\Python37\python.exe D:/qcc/python/mnist/feature_abstract.py
['dislike', 'is', 'life', 'like', 'long', 'python', 'short', 'too']
[[0 1 1 1 0 1 1 0]
[1 1 1 0 1 1 0 1]]

Process finished with exit code 0

註解：

1. 統計兩篇文章中所有單詞，返回一個列表，重複的單詞只統計一次。
2. 執行結果的下面的二維矩陣說明：針對每篇文章，在詞的列表裡面統計每個詞出現的次數。