如何获取sklearn.feature_extraction.text.CountVectorizer创建的词汇表中每个词的词频（TF）并将其放入列表或字典中？
似乎与词汇表中的键相对应的所有值的整数值都小于我在初始化CountVectorizer时手动设置的max_features的值，而不是TF，它应该是浮点数。有人可以帮我吗？
CV=CountVectorizer(ngram_range(ngram_min_file_opcode,ngram_max_file_opcode),
decode_error="ignore", max_features=max_features_file_re,
token_pattern=r'\b\w+\b', min_df=1, max_df=1.0)
x = CV.fit_transform(x).toarray()
答案 0 :(得分：1)
如果期望浮点值，则可能正在寻找TFIDF。在这种情况下，请使用sklearn.feature_extraction.text.TfidfVectorizer或sklearn.feature_extraction.text.CountVectorizer，后跟sklearn.feature_extraction.text.TfidfTransformer，
如果您实际上只想使用TF，则仍然可以使用TfidfVectorizer或CountVectorizer，然后再加上TfidfTransformer，只需确保设置{{1 }} / use_idf到TfidfVectorizer，而Transformer（规范化）参数到False或norm。这会标准化TF计数。
从SKLearn文档中：
'l1'行'l2'对应于第一个文档。第一个元素对应于文档中>>> from sklearn.feature_extraction.text import CountVectorizer
>>> corpus = [
... 'This is the first document.',
... 'This document is the second document.',
... 'And this is the third one.',
... 'Is this the first document?',
... ]
>>> vectorizer = CountVectorizer()
>>> X = vectorizer.fit_transform(corpus)
>>> print(vectorizer.get_feature_names())
['and', 'document', 'first', 'is', 'one', 'second', 'the', 'third', 'this']
>>> print(X.toarray())
[[0 1 1 1 0 0 1 0 1]
[0 2 0 1 0 1 1 0 1]
[1 0 0 1 1 0 1 1 1]
[0 1 1 1 0 0 1 0 1]]
出现了多少次，第二个[0 1 1 1 0 0 1 0 1]，第三个and等。