Inspecter les vecteurs

Pour mieux comprendre le fonctionnement des vecteurs, vous allez les examiner en les convertissant en DataFrames pandas.

Ici, vous utiliserez les mêmes structures de données créées dans les deux exercices précédents (count_train, count_vectorizer, tfidf_train, tfidf_vectorizer) ainsi que pandas, importé sous le nom pd.

Cette activité fait partie du cours

Introduction au traitement du langage naturel en Python

Voir le cours

Instructions de l’exercice

Créez les DataFrames count_df et tfidf_df à l'aide de pd.DataFrame() en précisant les valeurs comme premier argument et les colonnes (ou caractéristiques) comme deuxième argument.
- Les valeurs sont accessibles via l'attribut .A de count_train et tfidf_train, respectivement.
- Les colonnes sont accessibles avec les méthodes .get_feature_names() de count_vectorizer et tfidf_vectorizer.
Affichez l'en-tête de chaque DataFrame pour examiner leur structure. Cela a été fait pour vous.
Vérifiez si les noms de colonnes sont identiques pour chaque DataFrame en créant un nouvel objet appelé difference pour voir la différence entre les colonnes que count_df a par rapport à tfidf_df. Les colonnes sont accessibles avec l'attribut .columns d'un DataFrame. Soustrayez l'ensemble tfidf_df.columns de l'ensemble count_df.columns.
Vérifiez si les deux DataFrames sont équivalents en utilisant la méthode .equals() sur count_df avec tfidf_df comme argument.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____)

Modifier et exécuter le code