https://www.bilibili.com/video/BV184411Q7Ng?p=5

註解：

1. 把一句英文轉變成了一個二維陣列。

註解：

1. 計算機理解不了英文文章，只能理解資料。

特徵抽取的示例程式碼：

"""
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(data)
    #print(dict.get_feature_names())


    return None


if
 
 __name__=="__main__":
    dictvec()

上面的字典資料特徵抽取的結果：

註解：

1. 上面的結果是沒有加引數dict=DictVectorizer()。
2. 下面的結果是加了引數的結果，dict=DictVectorizer(sparse=False)
3. (1,3) 60.0意思是：第2行第4列的資料是60.0

"""
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(data)
    print(dict.get_feature_names())


    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=上海', 'city=北京', 'city=深圳', 'temperature']

Process finished with exit code 0

['city=上海', 'city=北京', 'city=深圳', 'temperature']