P5 字典特征数据抽取

https://www.bilibili.com/video/BV184411Q7Ng?p=5

 

 注解：

1. 把一句英文转变成了一个二维数组。

 注解：

1. 计算机理解不了英文文章，只能理解数据。

 

 

 

 特征抽取的示例代码：

"""
演示字典的特征抽取，
DictVectorizer是一个类的名字
"""
from sklearn.feature_extraction import DictVectorizer


def dictvec():
    """
    字典数据抽取
    :return:
    加入参数sparse=False可以把转换成的数据转换成数组
    """
    dict=DictVectorizer(sparse=False) #实例化 sparse=False
    data=dict.fit_transform([{'city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'深圳','temperature':30}])      # 调用fit_transform就是把字符串数据转化成特征,返回的是个data
    print(data)
    #print(dict.get_feature_names())


    return None


if __name__=="__main__":
    dictvec()

上面的字典数据特征抽取的结果：

 注解：

1. 上面的结果是没有加参数dict=DictVectorizer()。
2. 下面的结果是加了参数的结果，dict=DictVectorizer(sparse=False)
3. (1,3)  60.0意思是：第2行第4列的数据是60.0

"""
演示字典的特征抽取，
DictVectorizer是一个类的名字
"""
from sklearn.feature_extraction import DictVectorizer


def dictvec():
    """
    字典数据抽取
    :return:
    加入参数sparse=False可以把转换成的数据转换成数组
    """
    dict=DictVectorizer(sparse=False) #实例化 sparse=False
    data=dict.fit_transform([{'city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'深圳','temperature':30}])      # 调用fit_transform就是把字符串数据转化成特征,返回的是个data
    #print(data)
    print(dict.get_feature_names())


    return None


if __name__=="__main__":
    dictvec()

运行结果：

C:UsersTJAppDataLocalProgramsPythonPython37python.exe D:/qcc/python/mnist/feature_abstract.py
['city=上海', 'city=北京', 'city=深圳', 'temperature']

Process finished with exit code 0

['city=上海', 'city=北京', 'city=深圳', 'temperature']