如何在sklearn count矢量器返回的矩阵中获取列和？

Question

如何获得sklearnCountVectorizer返回的术语频率矩阵中任何给定列的总和

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()

corpus = [ 'This is a sentence',
           'Another sentence is here',
           'Wait for another sentence',
           'The sentence is coming',
           'The sentence has come'
         ]

x = vectorizer.fit_transform(corpus)

例如，我想找出矩阵中sentence的频率。所以我想要sentence列的和。我想不出一个办法：

• 例如，我尝试了x['sentence'].sum()，但没有帮助
• 我还尝试将其转换为数据帧并计算总和，但我不需要将此矩阵转换为数据帧

Answer 1

您可以尝试以下操作：

1. 从CountVectorizer获取术语在feature_names()列表中的位置
2. 使用位置对CSR矩阵中的所有列求和（x，在您的情况下）

代码：

import numpy as np

term_to_sum = 'sentence'    
index_term = vectorizer.get_feature_names().index(term_to_sum)

s = np.sum(x[:, index_term])  # here you get the sum