如何顯示被量化的每個單詞的實際數量

Question

我通過對Scikit學習指南書的工作，以及部分之一具有的代碼塊：

from sklearn.feature_extraction.text import CountVectorizer 
corpus = ['The dog ate a sandwich, the wizard transfigured a sandwich, and I ate a sandwich'] 
vectorizer = CountVectorizer(stop_words='english') 
print vectorizer.fit_transform(corpus).todense() 

當我運行，我得到這個：

[[2 1 3 1 1]] 

當我應該越來越這兩種：

[[2 1 3 1 1]] 
{u'sandwich': 2, u'wizard': 4, u'dog': 1, u'transfigured': 3, u'ate': 0} 

如何更改我的代碼以獲取每個單詞的實際字數&，而不僅僅是矢量本身？

Answer 1

的模型擬合後，您就可以訪問.vocabulary_屬性：

>>> vectorizer.vocabulary_ 
{'ate': 0, 'dog': 1, 'sandwich': 2, 'transfigured': 3, 'wizard': 4}