Question

from sklearn.feature_extraction.text import TfidfVectorizer
filename='train1.txt'
dataset=[]
with open(filename) as f:
    for line in f:
        dataset.append([str(n) for n in line.strip().split(',')])
print (dataset)
tfidf=TfidfVectorizer()
tfidf.fit(dataset)
dict1=tfidf.vocabulary_
print 'Using tfidfVectorizer'
for key in dict1.keys():
    print key+" "+ str(dict1[key])

我正在读取文件train1.txt中的字符串。但是，当尝试执行语句tfidf.fit（dataset）时，将导致错误。我无法完全解决该错误。正在寻求帮助。

错误日志：

Traceback (most recent call last):
  File "Q1.py", line 52, in <module>
    tfidf.fit(dataset)
  File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 1361, in fit
    X = super(TfidfVectorizer, self).fit_transform(raw_documents)
  File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 869, in fit_transform
    self.fixed_vocabulary_)
  File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 792, in _count_vocab
    for feature in analyze(doc):
  File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 266, in <lambda>
    tokenize(preprocess(self.decode(doc))), stop_words)
  File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 232, in <lambda>
    return lambda x: strip_accents(x.lower())
AttributeError: 'list' object has no attribute 'lower'

Answer 1

根据TfidfVectorizer的docs，fit函数期望“一个可迭代的对象，生成str，unicode或文件对象”作为其第一个参数。您要为其提供的列表列表不满足此要求。

您已经使用split方法将每一行变成了一个字符串列表，因此您需要重新加入该字符串，或者完全避免分割它。当然，这取决于您的输入格式。

如果您修改该行，它将正常工作

dataset.append([str(n) for n in line.strip().split(',')])

根据您的输入格式，您可能需要将其替换为类似的

dataset.append(" ".join([str(n) for n in line.strip().split(',')]))

或者简单地

dataset.append(line.strip().replace(",", " "))

（我只能猜测您输入文本中“，”的用法）。

使用TfidfVectorizer

1 个答案: