如何从Gensim LDA模型中提取各文档的最大概率主题ID？

处理列表结构（列表套列表套元组） #

当doc_lda转换为列表后，结构为[[(主题ID, 概率), (主题ID, 概率), ...], ...]，每个子列表对应单篇文档的所有主题概率元组。可以用列表推导式快速提取每个文档概率最大的主题ID：

# 假设doc_lda_list是转换后的列表格式数据
max_topic_ids = [max(doc_topics, key=lambda item: item[1])[0] for doc_topics in doc_lda_list]

• 逻辑说明：max()函数通过key=lambda item: item[1]指定按元组的第二个元素（概率值）取最大值，提取对应元组的第一个元素就是目标主题ID。

处理数据框结构 #

如果已将doc_lda转换为pandas数据框（行对应文档，列对应主题ID，单元格值为对应概率），可以用idxmax()方法直接获取每行的最大概率主题：

import pandas as pd

# 假设df是转换后的文档-主题概率数据框
max_topic_ids = df.idxmax(axis=1).tolist()

• 逻辑说明：idxmax(axis=1)返回每行中值最大的列名（即主题ID），再通过tolist()转换为列表格式。

内容的提问来源于stack exchange，提问作者Thissiteusescookies