将word2vec模型从列表转换为字典

Question

我的文本文件中有一个庞大的数据库，我想为跳过克模型进行训练。 我已将数据从文件拆分为列表 现在我想用它们的出现次数计算单词并制作一个字典，将单词作为字典的关键字和频率作为值。这是我的代码片段

df['index'] = df['index'].fillna(0).astype(int).astype(str)
cols = ['index', 'current_tm', 'dummy']
idx = df['dummy'].notnull().index

df.loc[idx, cols] = df.loc[idx, cols].shift(-1, axis=1)

df = df.drop('dummy', axis=1)
df['index'] = df['index'].astype(int)
print (df)
  country   index current_tm
0   india  905034      19:44
1     USA  905094      19:33
2  Russia  905154      21:56

我已成功制作了一个列表，其中的单词及其频率高达第一个最常见的50000个单词，现在我需要将它们提供给字典，键作为单词和值作为freq。

<li>
 <label>Sales Tax:</label>
 <span>$204.61</span>
</li>

任何人都可以帮助我吗？

Answer 1

假设您已经有一个单词列表，这里是根据您的需要从中绘制字典的方法：

word_dict[word_count[0]]

你的列表包含元组，所以key，所以我在字典中放置第一项元组作为word_count[1]，在元组中放置第二项value，计为{ {1}} key