我正在尝试使用向量化一些数据
sklearn.feature_extraction.text.CountVectorizer.
这是我试图矢量化的数据：
corpus = [
'We are looking for Java developer',
'Frontend developer with knowledge in SQL and Jscript',
'And this is the third one.',
'Is this the first document?',
]
矢量化器的属性由以下代码定义：
vectorizer = CountVectorizer(stop_words="english",binary=True,lowercase=False,vocabulary={'Jscript','.Net','TypeScript','SQL', 'NodeJS','Angular','Mongo','CSS','Python','PHP','Photoshop','Oracle','Linux','C++',"Java",'TeamCity','Frontend','Backend','Full stack', 'UI Design', 'Web','Integration','Database design','UX'})
我运行后：
X = vectorizer.fit_transform(corpus)
print(vectorizer.get_feature_names())
print(X.toarray())
我得到了想要的结果，但词汇表中的关键字是按字母顺序排列的。输出如下所示：
['.Net', 'Angular', 'Backend', 'C++', 'CSS', 'Database design',
'Frontend', 'Full stack', 'Integration', 'Java', 'Jscript', 'Linux',
'Mongo', 'NodeJS', 'Oracle', 'PHP', 'Photoshop', 'Python', 'SQL',
'TeamCity', 'TypeScript', 'UI Design', 'UX', 'Web']
[
[0 0 0 …