我想在文本文件中将此 tfidf 过程的结果打印为 (word, 2.333)。目前它首先打印所有单词,然后打印分数。我该怎么做?我还希望文件按 idf 值排序,以便将最重要的词放在最前面。
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import TfidfVectorizer
results = []
with open("/Users/xyz/Documents/wholedata/X_tr.txt") as f:
for line in f:
results.extend(line.strip().split('\n'))
blob=list(results)
vectorizer= TfidfVectorizer(min_df=1)
X_train_tf=vectorizer.fit_transform(blob)
print(X_train_tf.shape)
idf=vectorizer._tfidf.idf_
p= (vectorizer.get_feature_names(), idf)
with open("tfidf.txt","w") as t:
for x in p:
print>>t, x
请您参考如下方法:
您可以将两个列表压缩为
p = zip(vectorizer.get_feature_names(), idf)
将压缩列表排序为
p.sort(key = lambda t: t[1])
在控制台检查打印它们并将它们写入文件。
