将术语文档矩阵限制为最频繁的一元组

问题描述

以下代码以分析海量语料为例。我想将术语文档矩阵限制为 1000 个最常见的一元组，但将 max-features 参数更改为 n 仅返回前 n 一元组。有什么建议吗？

from sklearn.feature_extraction.text import TfidfVectorizer 
import pandas as pd

corpus = ['Hi my name is Joe.','Hi my name is Donald.'] 
vectorizer = TfidfVectorizer(max_features=3) 
X = vectorizer.fit_transform(corpus).todense()
    
df = pd.DataFrame(X,columns=vectorizer.get_feature_names()) 
df.to_csv('test.csv')

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）