我正在学习使用Scikit-Learn对推文进行分类。我有一个CSV文件，其中一列是推文，下一列是它们的分类，从0到11。我查看了Scikit-Learn网站上的这个教程，我认为我理解了实际分类的过程，但我不确定我是否真正理解了数据格式。在教程中，材料存放在文件夹中，文件夹名称作为分类标签使用。

在我的情况下，我需要从CSV文件中加载数据，并且显然我需要手动构建提供给向量化器和分类器的数据结构。我应该如何处理这个问题？我认为教程在这方面有点模糊，因为数据加载是自动完成的，这让我对自定义数据的结构和加载方式感到困惑。

回答：

通常情况下，你会使用pandas.read_csv，或者如果你不想依赖pandas，可以使用numpy.load，甚至可以使用标准库将CSV加载到列表中。代码看起来像这样：

import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
df = pd.read_csv('example.csv', header=None, sep=',', 
                 names=['tweets', 'class'])   # 如果没有表头，指定列名
vect = TfidfVectorizer()
X = vect.fit_transform(df['tweets'])
y = df['class']

一旦你有了X和y，你就可以将它们输入到分类器中。