作者TZULIU (消費券收購商)
看板Python
標題Re: [問題] Python2 unicode轉日文
時間Tue Jun 6 01:22:30 2017
※ 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://webptt.com/m.aspx?n=bbs/Python/M.1496683353.A.7CC.html
1F：→ ides13: from matplotlib.font_manager 可以設定要使用的字型 06/06 01:41
3F：→ TZULIU: 感謝回答，但上述方法似乎是讓plot可以讀取"u"日本"" 06/06 02:37
4F：→ TZULIU: 但我的資料已經變成"u'\u77ed\u9283'"所以其實無效，請問 06/06 02:38
5F：→ TZULIU: 有其他方法嗎？ 06/06 02:38
6F：推 darkgerm: 應該是 dict.values() 2,3 回傳的型態不同 06/06 10:23
7F：→ darkgerm: 先轉成 list 試試 list(dict_index.values()) 06/06 10:23
9F：→ darkgerm: 用 iter 也行，效能更好 06/06 10:29