python - CountVectorizer 错误 : No such file or directory

Question

我尝试在文档上使用CountVectorizer，但我一直遇到

No such file or directory: 'id' error.

我的代码:

##%%time
## Creating a 2-level index for goog_s and amaz_s
goog_s['dataset_name'] = 'goog_s'
amaz_s['dataset_name'] = 'amaz_s'
amaz_s.rename(columns = {'title':'name'}, inplace = True)

## Creating a new Dataframe containing both goog_s and amaz_s 
df_s = pd.concat([goog_s, amaz_s], axis = 0, join = 'outer', keys = ['goog_s', 'amaz_s'])

## Creating column info
df_s ["info"] = df_s["name"].astype(str) + " " + df_s["description"]


## Creating countVectorizer
cv = CountVectorizer(input='filename', encoding='iso-8859-1', 
                     decode_error='ignore', analyzer='word',
                    ngram_range=(1,1), stop_words='english',
                    binary=True)

cvRaw = cv.fit_transform(df_s)

我在cvRaw = cv.fit_transform(df_s)行上不断收到错误，内容为FileNotFoundError: [Errno 2] No such file or directory: 'id' 。

我的数据框df_s包含一个名为id的列。我不知道为什么我会收到此错误。

Answer 1

您应该将 input 参数作为 'content' 提供，否则它将查找具有 fit() 中提供的列表给出的名称的文件。在您的情况下，它将是 df_s 数据帧的列名称，因为如果您使用数据帧进行迭代，它将返回列名称。

更多说明请参阅 documentation 。

此外，对于 fit()，您需要提供一个迭代器，这意味着 pd.Series。

我不确定您的意图，以下是我的建议。

cvRaw = cv.fit_transform(df_s['info'])