如何在python中創建文檔項頻率矩陣

Question

要創建文檔項矩陣，我有文本文件result.txt作爲輸入。我想算這樣的話發生：

Counter({'STTP': 6, 'AVENUES': 4, 'ENGINEERING': 4, 'MINING': 4, 'THE': 4, 'SCOE': 4, 'HERE': 4, 'DATA': 4, 'TOOLS': 4, 'PROGRAMMING': 3, 'TEMPERATURE': 3}) 

，但得到的結果是這樣：

"degree,the,mituski,programming,national,it,high,sakal,engineering,paper,college,signed 
1,4,2,3,1,2,1,1,4,1,1,1" 

這裏是我使用的代碼：

tdm = textmining.TermDocumentMatrix() 

files = glob.glob("result.txt") 

for f in files: 

    content = open(f).read() 

    content = content.replace('\n', ' \n') 

    tdm.add_doc(content) 

    tdm.write_csv('matrix1.csv', cutoff=1) 

Answer 1

結果是一個正確格式的csv文件。第一行是標題（單詞），第二行是單詞的計數。

您顯示的東西看起來像一個dict傳遞給class構造函數。

從Python Textmining Package：

Instead of writing out the matrix you can also access its rows directly.

# Let's print them to the screen. 
for row in tdm.rows(cutoff=1): 
    print row 

所以對於你的問題得到一個dict，你可以去通過：

result_rows = list(tdm.rows(cutoff=1)) 
result_dict = {} 

for i in range(len(result_rows[0])): 
    result_dict[result_rows[0][i]] = result_rows[1][i]