Metin verilerinden bazı özelliklerin çıkarılması için scikit-learn'den TfidfVectorizer kullanıyorum. Puanlı bir CSV dosyası (+1 veya -1 olabilir) ve bir İnceleme (metin) var. Bu verileri bir DataFrame'e çektim, böylece Vectorizer'ı çalıştırabilirim. NaN ama olabildiğince okumak ediliyor TfidfVectorizer scikit-learn: ValueError: np.nan geçersiz bir belgedir
Traceback (most recent call last):
File "/home/PycharmProjects/Review/src/feature_extraction.py", line 16, in <module>
x = v.fit_transform(df['Review'])
File "/home/b/hw1/local/lib/python2.7/site- packages/sklearn/feature_extraction/text.py", line 1305, in fit_transform
X = super(TfidfVectorizer, self).fit_transform(raw_documents)
File "/home/b/work/local/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 817, in fit_transform
self.fixed_vocabulary_)
File "/home/b/work/local/lib/python2.7/site- packages/sklearn/feature_extraction/text.py", line 752, in _count_vocab
for feature in analyze(doc):
File "/home/b/work/local/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 238, in <lambda>
tokenize(preprocess(self.decode(doc))), stop_words)
File "/home/b/work/local/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 118, in decode
raise ValueError("np.nan is an invalid document, expected byte or "
ValueError: np.nan is an invalid document, expected byte or unicode string.
Hiçbir şey için CSV dosyası ve DataFrame kontrol: En fazla bu hata için traceback olan
import pandas as pd
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
df = pd.read_csv("train_new.csv",
names = ['Score', 'Review'], sep=',')
# x = df['Review'] == np.nan
#
# print x.to_csv(path='FindNaN.csv', sep=',', na_rep = 'string', index=True)
#
# print df.isnull().values.any()
v = TfidfVectorizer(decode_error='replace', encoding='utf-8')
x = v.fit_transform(df['Review'])
:
Bu
benim kodudur hiçbir şey bulamadım. 18000 satır var, bunların hiçbiri True olarakisnan
döndürüyor.
Bu gibi df['Review'].head()
görünür: Açıkça traceback olarak söz ediyor d_type object
dize unicode
dönüştürmek gerekir
0 This book is such a life saver. It has been s...
1 I bought this a few times for my older son and...
2 This is great for basics, but I wish the space...
3 This book is perfect! I'm a first time new mo...
4 During your postpartum stay at the hospital th...
Name: Review, dtype: object
Eğer 'df [ 'İnceleme']' başkanı görüntüler Could: TFIDF Vectorizer Doc sayfasından
başka her şeyden daha mı? –
Elbette. Gönderiyi yeni düzenledim. – boltthrower
Ve ayrıca yazın (df ['Review']. Iloc [0]) '? –