CountVectorizer:AttributeError:'numpy.ndarray'对象没有属性

Question

我有一个一维数组，每个元素中都有大字符串。我正在尝试使用CountVectorizer将文本数据转换为数字矢量。然而，我得到一个错误说：

AttributeError: 'numpy.ndarray' object has no attribute 'lower'

CCD_ 2在每个元素中都包含大字符串。有5000个这样的样本。我正试图将其矢量化，如下所示：

vectorizer = CountVectorizer(
    stop_words='english',
    ngram_range=(1, 1),  #ngram_range=(1, 1) is the default
    dtype='double',
)
data = vectorizer.fit_transform(mealarray)

完整堆栈：

File "/Library/Python/2.7/site-packages/sklearn/feature_extraction/text.py", line 817, in fit_transform
    self.fixed_vocabulary_)
  File "/Library/Python/2.7/site-packages/sklearn/feature_extraction/text.py", line 748, in _count_vocab
    for feature in analyze(doc):
  File "/Library/Python/2.7/site-packages/sklearn/feature_extraction/text.py", line 234, in <lambda>
    tokenize(preprocess(self.decode(doc))), stop_words)
  File "/Library/Python/2.7/site-packages/sklearn/feature_extraction/text.py", line 200, in <lambda>
    return lambda x: strip_accents(x.lower())
AttributeError: 'numpy.ndarray' object has no attribute 'lower'

Answer 1

检查mealarray的形状。如果fit_transform的参数是字符串数组，则它必须是一维数组。（也就是说，mealarray.shape的形式必须是(n,)。）例如，如果mealarray的形状为(n, 1)，则会出现"无属性"错误。

你可以试试

data = vectorizer.fit_transform(mealarray.ravel())

Answer 2

得到了我的问题的答案。基本上，CountVectorizer将列表（包含字符串内容）作为参数，而不是数组。这解决了我的问题。

Answer 3

一个更好的解决方案是显式调用pandas系列并将其传递给CountVector（）：

>>> tex = df4['Text']
>>> type(tex)
<class 'pandas.core.series.Series'>
X_train_counts = count_vect.fit_transform(tex)

下一个不会工作，因为它是一个帧和NOT系列

>>> tex2 = (df4.ix[0:,[11]])
>>> type(tex2)
<class 'pandas.core.frame.DataFrame'>

Answer 4

我得到了相同的错误：

AttributeError: 'numpy.ndarray' object has no attribute 'lower'

为了解决这个问题，我做了以下操作：

1. 使用以下项验证阵列的尺寸：name_of_array1.shape
2. I输出为：（n，1）然后使用flatten()将二维数组转换为一维数组：flat_array = name_of_array1.flatten()
3. 现在，我可以使用CountVectorizer()，因为它可以将一个参数的列表作为字符串使用