Inspeccionando los vectores

Para entender mejor cómo funcionan los vectores, los vas a investigar convirtiéndolos en DataFrames de pandas.

Aquí usarás las mismas estructuras de datos que creaste en los dos ejercicios anteriores (count_train, count_vectorizer, tfidf_train, tfidf_vectorizer), así como pandas, que está importado como pd.

Este ejercicio forma parte del curso

Introducción al Natural Language Processing en Python

Ver curso

Instrucciones del ejercicio

Crea los DataFrames count_df y tfidf_df usando pd.DataFrame() y especificando los valores como primer argumento y las columnas (o características) como segundo argumento.
- Puedes acceder a los valores usando el atributo .A de, respectivamente, count_train y tfidf_train.
- Puedes acceder a las columnas usando los métodos .get_feature_names() de count_vectorizer y tfidf_vectorizer.
Imprime el head de cada DataFrame para investigar su estructura. Esto ya está hecho por ti.
Comprueba si los nombres de las columnas son los mismos en cada DataFrame creando un nuevo objeto llamado difference para ver la diferencia entre las columnas que tiene count_df respecto a tfidf_df. Puedes acceder a las columnas con el atributo .columns de un DataFrame. Resta el conjunto de tfidf_df.columns del conjunto de count_df.columns.
Comprueba si los dos DataFrames son equivalentes usando el método .equals() en count_df con tfidf_df como argumento.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create the CountVectorizer DataFrame: count_df
count_df = ____(____, columns=____)

# Create the TfidfVectorizer DataFrame: tfidf_df
tfidf_df = ____

# Print the head of count_df
print(count_df.head())

# Print the head of tfidf_df
print(tfidf_df.head())

# Calculate the difference in columns: difference
difference = set(____) - set(____)
print(difference)

# Check whether the DataFrames are equal
print(____)

Editar y ejecutar código