如何按字母顺序获取单词并删除符号u'？

Question

我正在努力创造一袋文字。我提到了这个链接https://pythonprogramminglanguage.com/bag-of-words/#respond

df = pd.read_csv('Twidb11.csv',error_bad_lines=False, sep='delimiter',  engine='python')
# Creating Bag of Words
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(df.Text)
print count_vect.fit_transform(df.Text).todense()
#X_train_counts.shape 
print count_vect.vocabulary_

它给了我单词和它们的频率，但单词不按字母顺序排序，你的符号就在那里，如下所示。如何摆脱这个？

输出：{u'binance'：28，u'they'：139，u'just'：83，u'global'：67，u'alternatives'：11，u'zcash'：168，u'years'： 165，u'talks'：133，u'japan'：82，u'yes'：166，u'25'：1，u'chinese'：37，u'6000'：5，u'zzzpositive'：170 ，u'winner'：162，u'28'：2，u'actually'：12 ....}

Answer 1

u是unicode的代表。如果你不想使用str()将其转换为字符串

1）将unicode字符串转换为字符串，

>>> my_dict = {str(i):j for i,j in my_dict.items()}
>>> print my_dict
>>> {'binance': 28, 'global': 67, 'chinese': 37, 'just': 83, '25': 1, 'zzzpositive': 170, 'alternatives': 11, '6000': 5, 'winner': 162, '28': 2, 'zcash': 168, 'actually': 12, 'they': 139, 'talks': 133, 'japan': 82, 'yes': 166, 'years': 165}

2）排序my_dict，

itemgetter将帮助您更轻松地完成任务

>>> from operator import itemgetter

>>> dict(sorted(my_dict.items(), key=itemgetter(1))) # converted string unicode into str
>>> {'25': 1, 'winner': 162, 'chinese': 37, '6000': 5, 'binance': 28, 'zzzpositive': 170, 'alternatives': 11, 'just': 83, 'global': 67, '28': 2, 'zcash': 168, 'actually': 12, 'they': 139, 'talks': 133, 'japan': 82, 'yes': 166, 'years': 165}
>>> 

在一行中，

>>> dict(sorted({str(i):j for i,j in my_dict.items()}.items(), key=itemgetter(1)))