Re: [問題] Python2 unicode轉日文

看板Python作者TZULIU (消費券收購商)時間8年前 (2017/06/06 01:22)推噓1(1推 0噓 8→)

留言9則, 3人參與討論串2/3 (看更多)

※ 引述《TZULIU (消費券收購商)》之銘言： : 想請問各位一下， : 近日我正在使用日文進行text clustering， : 但當我將日文字/詞轉換成dictionary之後， : dictionary key就變成unicode而非日文， : 請問該如何解決此問題？ : Code 如下： : ## load data : allWrdMat10 = pd.read_csv("../../data/allWrdMat10.csv.gz", encoding='CP932') : ## Set X as CSR Sparse Matrix : X = np.array(allWrdMat10) : X = sp.csr_matrix(X) : ## create dictionary : dict_index = {t:i for i,t in enumerate(allWrdMat10.columns)} 其實我本來也是用Python3來處理這個問題，不過不知為何下行".argsort()"並沒有sorting矩陣裡的資料，以至於再下一行碼產生錯誤"too many indices for array" 請問有高手有解嗎？ : freqrank = np.array(dict_index.values()).argsort() : X_transform = X[:, freqrank < 1000].transpose().toarray() : ################################################################## : 若輸入 allWrdMat10.columns 仍會顯現日文，如下： : Index([u'?', u'．', u'・', u'％', u'０', u'１', u'１０月', u'１１月', u'１２月', u'１つ', : ... : u'瀋陽', u'疆', u'盧', u'籠', u'絆', u'胚', u'諫早', u'趙', u'鉉', u'鎔基'], : dtype='object', length=8655) : 但若輸入 dict_index.keys() 時，則會變成unicode: : [u'\u77ed\u9283', : u'\u5efa\u3066', : u'\u4f0a', : u'\u5e73\u5b89', : u'\u6025\u9a30', : u'\u897f\u65e5\u672c', : u'\u5e03\u9663', : ...] : 請問各位高手該如何解決此一問題？謝謝。回到原本的問題，當我用"plot_dendrogram"的時候，若設定"labels=dict_index/keys()"， X軸的label只會是方塊並不會有任何文字，請問各位高手有解嗎？謝謝。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 168.150.120.168 ※ 文章網址: https://www.ptt.cc/bbs/Python/M.1496683353.A.7CC.html

→

ides13

06/06 01:41, , 1^F

06/06 01:41, 1^F

→

ides13

06/06 01:41, , 2^F

06/06 01:41, 2^F

→

TZULIU

06/06 02:37, , 3^F

06/06 02:37, 3^F