如何从BoW矢量中取回字符串？

Question

我为一个名为qazxsw poi的pandas数据帧列生成了BoW。

tech_raw_data['Product lower']

在测试字符串与此BoW向量的相似性旁边，我在数据框的一列中创建了BoW，玩具['ITEM NAME']。

count_vect = CountVectorizer()
smer_counts = count_vect.fit_transform(tech_raw_data['Product lower'].values.astype('U'))
smer_vocab = count_vect.get_feature_names()

检查相似之处：

 toys = pd.read_csv('toy_data.csv', engine='python')
 print('-'*80)
 print(toys['ITEM NAME'].iloc[0])
 print('-'*80)
 inp = [toys['ITEM NAME'].iloc[0]]

 cust_counts = count_vect.transform(inp)
 cust_vocab = count_vect.get_feature_names()

现在，当匹配率超过0.85时，我需要在

def similar(a, b):
    return SequenceMatcher(None, a, b).ratio()

for x in cust_counts[0].toarray():
    for y in smer_counts.toarray():
        ratio = similar(x, y)
        #print(ratio)
        if ratio>=0.85:
            should print the string corresponding to BoW y

数据帧中打印对应于smer_counts的字符串。

Answer 1

tech_raw_data['Product lower']

枚举

for x in cust_counts[0].toarray():
    for i, y in enumerate(smer_counts.toarray()):
        ratio = similar(x, y)
        #print(ratio)
        if ratio>=0.85:
            print (tech_raw_data.loc[i, 'Product lower'])

返回的numpy数组，并在smer_counts.toarray()中使用索引来获取ratio>=0.85数据帧中的相应文本。

这是有效的，因为tech_raw_data以及数据帧中的记录顺序都被保留。