データにない単語を持つCountvectorizer

Question

私はsklearnとcountvectorizerを初めて使っています。

私には奇妙な現象が起こっています。

なぜこのような場合は0がある

df[df['description'].str.contains('rentalcontact')] 

rentalcontact単語返される行数が含まれている行を取得

from sklearn.feature_extraction.text import CountVectorizer 
count_vect = CountVectorizer() 
document_mtrx = count_vect.fit_transform(df['description']) 
count_vect.vocabulary_ 
count_vect.vocabulary_ 
Out[28]: 
{u'viewscity': 36216, 
u'sizeexposed': 31584, 
u'rentalcontact': 29104, 
u'villagebldg': 36323, 

ベクトラのカウントを初期化しますか？

Answer 1

CountVectorizerのパラメータはlowercaseで、既定値はTrueです。これらの値が見つからないのが最も一般的な理由です。

ので、この試してみてください。

df[df['description'].str.lower().str.contains('rentalcontact')] 
#      ^^^^^^^ 

UPDATE：

vocabulary_：辞書

インデックスを特徴とする用語のマッピングを。

u'rentalcontact': 29104は - 'rentalcontact'は、機能のリスト内のインデックス29104を有することを意味します。

I.e. vectorizer.get_feature_names()[29104]は'rentalcontact'を返します。