Question

我有两个矩阵，一个是文本，另一个是文本中的单词频率。我从字频矩阵中删除了一行。然后我如何使用文本编号（文本矩阵中的行索引）从单词频率矩阵中提取一行？

例如：

第1步：文本列表

我有一个行的文本列表，其中每个文本由行号引用：

>>print type(texts)
>>print texts.shape
<type 'numpy.ndarray'>
(53,)

第2步：根据行号选择文字

我有这样的范围：

>>print train_range
>>[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
  26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
  51 52]

此范围用于从texts中选择行。这基本上意味着删除一个文本，因为train_range中只有52个行索引。在下面的示例中，第一行（第0行）被删除，因为0不在train_range中：

texts[train_range]

第3步：获取文字的字频

然后分析文本（通过词频）以返回稀疏矩阵train_X。由于每个文字都是texts中的一行，因此每个文字的单词频率都放在train_X中的一行中。因此texts有53行，texts[train_range]有52行，train_X有52行：

trainX = get_word_freq_matrix( texts[train_range] )
>>print train_X.shape
(52, 6237)
>>print type(train_X)
<class 'scipy.sparse.csr.csr_matrix'>

第4步：获取某些文字的字词频率

我现在想要使用原始文本编号从train_X获取行，使用新的范围，如下所示：

apply_range = [4,7,8]
train_X[apply_range]

但是，apply_range（例如train_range）中的数字是指texts中的行。这些数字不是指train_X中的行。如何使用此范围根据train_X中texts的显示位置从texts获取正确的频率？

我试过referencing rows in a matrix using index from another matrix。但是，我不确定这是如何工作的，因为该功能没有考虑从{{1}}删除了哪些文本。

Answer 1

如果您在问题中解释了其他所有内容，请执行

apply_range = [4,7,8]
train_X[[train_range.index(i) for i in apply_range]]

使用矩阵1中的索引从矩阵2中提取行

1 个答案: