将频率字典转换为频率矩阵

Question

我想把频率字典转换成频率矩阵。我有以下代码：

words = {
  "file1.txt" : tf2[0],
  "file2.txt" : tf2[1],
  "file3.txt" : tf2[2],
}



matrix = []
for line in words:
   line = line.strip("\n")
   a = line.split(";")
   for i in range(len(a)):
      try:
        a[i] = float(a[i])
      except ValueError:
        pass
        matrix.append(a)
print(matrix)

for行部分似乎没有将tf2等作为字典的一部分。我不知道该怎么解决这个问题。dic当前打印的单词：

{'file1.txt': {'eye': 1, 'head': 1, 'leg': 1}, 'file2.txt': {'eye': 1, 'head': 1}, 'file3.txt': {'eye': 1, 'leg': 2, 'foot':1}}

我希望它变成这样(最好是在floats中)：

[['', 'file1.txt', 'file2.txt', 'file3.txt'],
['leg', 1, 0, 2],
['eye', 1, 1, 1],
['head', 1, 1, 0],
['foot', 0, 0, 1]]

Answer 1

我将首先将字典转换为数据帧。

d = {'file1.txt': {'eye': 1, 'head': 1, 'leg': 1}, 'file2.txt': {'eye': 1, 'head': 1}, 'file3.txt': {'eye': 1, 'leg': 2, 'foot':1}}
import pandas as pd
df = pd.DataFrame(d)
df

这几乎产生了您想要的结果：

            file1.txt   file2.txt   file3.txt
eye         1.0         1.0         1.0
head        1.0         1.0         NaN
leg         1.0         NaN         2.0
foot        NaN         NaN         1.0

然后，我们以双列表的形式提取所有数据--这里的要点是，我们还希望在其中包含索引和列名，因此，通过转置T并用0替换NaNs，可以将reset_index内容放在一起

(df.fillna(0)
   .astype(int)
   .rename_axis('')
   .reset_index()
   .T
   .reset_index()
   .T
   .values.tolist()
)

产生

[['', 'file1.txt', 'file2.txt', 'file3.txt'],
 ['eye', 1, 1, 1],
 ['head', 1, 1, 0],
 ['leg', 1, 0, 2],
 ['foot', 0, 0, 1]]