Mappa särdragsindex till särdragsnamn

I lektionsvideon såg vi att CountVectorizer inte nödvändigtvis indexerar vokabulären i alfabetisk ordning. I den här övningen lär du dig att mappa varje särdragsindex till motsvarande särdragsnamn i vokabulären.

Vi använder samma tre meningar om lejon som i videon. Meningarna finns tillgängliga i en lista med namnet corpus och har redan skrivits ut i konsolen.

Den här övningen är en del av kursen

Funktionsutveckling för NLP i Python

Visa kurs

Övningsinstruktioner

Skapa ett CountVectorizer-objekt och döp det till vectorizer.
Använd fit_transform() för att generera bow_matrix för corpus.
Använd metoden get_feature_names() för att mappa kolumnnamnen till motsvarande ord i vokabulären.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create CountVectorizer object
vectorizer = ____

# Generate matrix of word vectors
bow_matrix = vectorizer.____(____)

# Convert bow_matrix into a DataFrame
bow_df = pd.DataFrame(bow_matrix.toarray())

# Map the column names to vocabulary 
bow_df.columns = vectorizer.____

# Print bow_df
print(bow_df)

Redigera och kör kod