python - 如何向量化python单词列表？

我正在尝试将CountVectorizer模块与Sci-kit Learn一起使用。从我阅读的内容来看，似乎可以在句子列表中使用它，例如：

[“这是第一个文档。”，“这是第二个第二文档。”，“还有第三个文档。”，“这是第一个文档吗？”]

但是，有一种方法可以向量化列表形式的单词集合，例如[['this'，'is'，'text'，'document'，'to'，'analyze']，['and'， 'this'，'is'，'the'，'second']，['and'，'this'，'and'，'that'，'are'，'third']？

我正在尝试使用' '.join(wordList)将每个列表转换为一个句子，但出现错误：


  TypeError：序列项13329：期望的字符串或Unicode，生成器
  发现


当我尝试运行时：

vectorizer = CountVectorizer(min_df=50)
ratings = vectorizer.fit_transform([' '.join(wordList)])

谢谢！

最佳答案

我想您需要这样做：

counts = vectorizer.fit_transform(wordList)  # sparse matrix with columns corresponding to words
words = vectorizer.get_feature_names()  # array with words corresponding to columns

最后，获取[['this', 'is', 'text', 'document', 'to', 'analyze']]

sample_idx = 1
sample_words = [words[i] for i, count in
                enumerate(counts.toarray()[sample_idx]) if count > 0]