擅长:python、mysql、java
<p>在这个例子中,<code>cv.vocabulary_</code>是一个dict,其中键是您找到的单词(特性),值是索引,这就是为什么它们是<code>0, 1, 2, 3</code>。这只是运气不好,它看起来像你的计数:)</p>
<p>您需要使用<code>cv_fit</code>对象来获取计数</p>
<pre><code>from sklearn.feature_extraction.text import CountVectorizer
texts=["dog cat fish","dog cat cat","fish bird", 'bird']
cv = CountVectorizer()
cv_fit=cv.fit_transform(texts)
print(cv.get_feature_names())
print(cv_fit.toarray())
#['bird', 'cat', 'dog', 'fish']
#[[0 1 1 1]
# [0 2 1 0]
# [1 0 0 1]
# [1 0 0 0]]
</code></pre>
<p>数组中的每一行是原始文档(字符串)之一,每一列是一个特征(word),元素是该特定单词和文档的计数。你可以看到,如果你把每一列相加,你会得到正确的数字</p>
<pre><code>print(cv_fit.toarray().sum(axis=0))
#[2 3 2 2]
</code></pre>
<p>不过,老实说,我建议您使用<code>collections.Counter</code>或NLTK中的一些东西,除非您有特定的理由使用scikit learn,因为它会更简单。</p>