我正在使用CountVectorizer来获取字符串列表中的单词列表

from sklearn.feature_extraction.text import CountVectorizerraw_text = [    'The dog hates the black cat',    'The black dog is good']raw_text = [x.lower() for x in raw_text]vocabulary = vectorizer.vocabulary_ vocabulary = dict((v, k) for k, v in vocabulary.iteritems())vocabulary

在词汇表中，我得到了以下正确的数据

{0: u'black', 1: u'cat', 2: u'dog', 3: u'good', 4: u'hates', 5: u'is', 6: u'the'}

现在我希望得到原始句子“映射”到这些新值的结果，像这样：

expected_output = [    [6, 2, 4, 6, 0, 1],    [6, 0, 2, 5, 3]]

我尝试查阅了Sklearn的文档，但找不到任何似乎能完成这个操作的内容，我甚至不知道我试图执行的操作的正确术语，所以在Google上也找不到任何结果。

有什么方法可以实现这个结果吗？

回答：

像这样查找每个单词：

from sklearn.feature_extraction.text import CountVectorizerraw_text = [    'The dog hates the black cat',    'The black dog is good']cv = CountVectorizer()cv.fit_transform(raw_text)vocab = cv.vocabulary_.copy()def lookup_key(string):    s = string.lower()    return [vocab[w] for w in s.split()]list(map(lookup_key, raw_text))

输出：

[[6, 2, 4, 6, 0, 1], [6, 0, 2, 5, 3]]