我在sklearn docs网站上找到了下一个例子:
>>> measurements = [
... {'city': 'Dubai', 'temperature': 33.},
... {'city': 'London', 'temperature': 12.},
... {'city': 'San Fransisco', 'temperature': 18.},
... ]
>>> from sklearn.feature_extraction import DictVectorizer
>>> vec = DictVectorizer()
>>> vec.fit_transform(measurements).toarray()
array([[ 1., 0., 0., 33.],
[ 0., 1., 0., 12.],
[ 0., 0., 1., 18.]])
>>> vec.get_feature_names()
['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']
我需要矢量化看起来像的字典:
>>> measurements = [
... {'city': ['Dubai','London'], 'temperature': 33.},
... {'city': ['London','San Fransisco'], 'temperature': 12.},
... {'city': ['San Fransisco'], 'temperature': 18.},
... ]
获得下一个结果:
array([[ 1., 1., 0., 33.],
[ 0., 1., 1., 12.],
[ 0., 0., 1., 18.]])
我的意思是dict的值应该是一个列表(或元组等)。
我可以使用DictVectorizer或以其他任何方式执行此操作吗?
答案 0 :(得分:17)
将表示更改为
>>> measurements = [
... {'city=Dubai': True, 'city=London': True, 'temperature': 33.},
... {'city=London': True, 'city=San Fransisco': True, 'temperature': 12.},
... {'city': 'San Fransisco', 'temperature': 18.},
... ]
然后结果完全符合您的预期:
>>> vec.fit_transform(measurements).toarray()
array([[ 1., 1., 0., 33.],
[ 0., 1., 1., 12.],
[ 0., 0., 1., 18.]])