我想从文档中获取给定词列表的tf-idf权重。例如，我对以下单词感兴趣。

document_list = ['''document 1 blabla''', '''document 2 blabla''']words = ['project', 'management', 'uml theory', 'wireframe']

当然，我可以使用sklearn从文档中获取术语和权重。但我想仅从文档组中获取上述单词的权重，使用scikit-learn。任何建议都会对我有很大帮助。

回答：

这就像将TfidfVectorizer拟合到你固定的所需词列表上，然后使用你的模型一样简单。

证明：

from sklearn.feature_extraction.text import TfidfVectorizerwords = ['project', 'management', 'uml theory', 'wireframe']mod_tfidf = TfidfVectorizer()mod_tfidf.fit_transform(words)<4x5 sparse matrix of type '<class 'numpy.float64'>'    with 5 stored elements in Compressed Sparse Row format>

再添加一个单词，看看第二个维度仍然是5：

mod_tfidf.transform(words + ["dummy"])<5x5 sparse matrix of type '<class 'numpy.float64'>'    with 5 stored elements in Compressed Sparse Row format>

编辑：

鉴于你更新的问题和评论：

mod_tfidf.fit(words)mod_tfidf.transform(document_list)

编辑2：

为完整起见，使用vocabulary参数初始化TfidfVectorizer也会得到相同的结果。请注意，在这种情况下，words是单独的单词列表：

mod_tfidf = TfidfVectorizer(vocabulary=words)

在这种情况下，结果特征的排序将由你的words顺序固定。你可以通过以下方式检查：

mod_tfidf.get_feature_names()