0

我有两个矩阵，一个是文本，一个是文本中的词频。我从词频矩阵中删除了一行。然后如何使用文本编号（文本矩阵中的行索引）从词频矩阵中提取一行？

例如：

第 1 步：文本列表

我有一个行中的文本列表，其中每个文本都由其行号引用：

>>print type(texts)
>>print texts.shape
<type 'numpy.ndarray'>
(53,)

第 2 步：根据行号选择文本

我有一个这样的范围：

>>print train_range
>>[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
  26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
  51 52]

此范围用于从 中选择行texts。这基本上意味着删除一个文本，因为train_range. 在下面的示例中，第一行（第 0 行）被删除，因为 0 不在train_range：

texts[train_range]

第三步：获取文本的词频

然后分析文本（按词频）以返回稀疏矩阵train_X。由于每个文本都是 in 中的一行texts，因此每个文本的词频都放在 in 中的一行中train_X。所以texts有 53 行，texts[train_range]有 52 行，train_X有 52 行：

trainX = get_word_freq_matrix( texts[train_range] )
>>print train_X.shape
(52, 6237)
>>print type(train_X)
<class 'scipy.sparse.csr.csr_matrix'>

第 4 步：获取某些文本的词频

我现在想train_X使用新的范围从原始文本编号中获取行，如下所示：

apply_range = [4,7,8]
train_X[apply_range]

但是，apply_range(like train_range) 中的数字指的是 中的行texts。这些数字不指train_X. 如何使用此范围train_X根据它们出现的位置获取正确的频率texts？

我尝试使用来自另一个矩阵的索引来引用矩阵中的行。但是，我不确定这是如何工作的，因为该函数没有考虑从texts.

4

1 回答 1

1

像您在问题中解释的所有其他内容一样，只需执行

apply_range = [4,7,8]
train_X[[train_range.index(i) for i in apply_range]]
于 2012-09-08T13:56:02.883 回答