gensim TransformedCorpus数据到数组的高效转换

Question

是否有比下面的逐行方法更直接或更有效的方法来将主题概率数据从 gensim.interfaces.TransformedCorpus 对象获取到 numpy 数组（或熊猫数据帧）？

from gensim import models
import numpy as np

num_topics = 5
model = models.LdaMulticore(corpus, num_topics=num_topics, minimum_probability=0.0)

all_topics = model.get_document_topics(corpus)
num_docs = len(all_topics)

lda_scores = np.empty([num_docs, num_topics])

for i in range(0, num_docs):
    lda_scores[i] = np.array(all_topics[i]).transpose()[1]

Answer 1

可能为时已晚，但 gensim 有一个辅助函数用于在 numpy/scipy 数组之间进行转换。

你在找什么：

gensim.matutils.corpus2csc

然后，您可以根据需要将输出转换为 numpy 数组或 pandas df。

import gensim
import numpy as np

all_topics_csr = gensim.matutils.corpus2csc(all_topics)
all_topics_numpy = all_topics_csr.T.toarray()