从两列数据帧对单列序列运行CountVectorizer？

Question

如何将多列数据帧中的单列转换为CountVectorizer的序列？

我有一个包含2列x 9372条记录（行）的熊猫数据帧：

• 第一列称为twodig，是一个整数
• 第二列称为descrp，是varchar
• image of dataframe

删除停止字和特殊字符后，我只想在descrp列上使用CountVectorizer，但仍然保留twodig。你知道吗

import pandas
from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()
bowmatrix = vectorizer.fit_transform(df)

但是，运行CountVectorizer需要将数据帧转换为一个系列，然后使用CountVectorizer运行。你知道吗

corpus = pd.Series(df)

但是当我运行脚本时，结果会出现错误：传递的项数错误2，placement意味着9372

Answer 1

您只能从数据帧中获取该列，如下：df["descrp"]，因此您的代码将是：

import pandas

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()

bowmatrix = vectorizer.fit_transform(df["descrp"])