TFIDFVectorizer拟合转换后导出邮件特征至Excel的实现方法

要实现从TF-IDF稀疏矩阵中提取每封邮件的特征词并生成Excel报表，可按以下步骤操作：

步骤1：获取所有特征词列表 #

通过TfidfVectorizer实例的get_feature_names()方法，获取经过停用词去除、词形还原后的全部特征词：

feature_names = vec_body.get_feature_names()

步骤2：逐行提取单封邮件的特征词 #

遍历稀疏矩阵的每一行，定位非零元素对应的列索引，再映射到特征词并拼接成字符串：

import pandas as pd

email_features_list = []
# 遍历稀疏矩阵的每一行（对应每封邮件）
for row in X_train_features:
    # 获取当前行非零元素的列索引
    col_indices = row.nonzero()[1]
    # 通过索引匹配特征词，并用空格连接成字符串
    features = ' '.join([feature_names[idx] for idx in col_indices])
    email_features_list.append(features)

步骤3：生成Excel报表 #

将邮件正文与对应特征词组合成DataFrame，再导出为Excel文件：

# 构建符合要求的表格结构
df = pd.DataFrame({
    'email_body': X_train,
    'email features': email_features_list
})

# 导出到Excel，关闭行索引避免冗余内容
df.to_excel('email_features_verification.xlsx', index=False)

补充说明 #

• 若运行时出现AttributeError: 'TfidfVectorizer' object has no attribute 'get_feature_names'，可尝试替换为get_feature_names_out()（适配部分较新版本的scikit-learn）。
• 稀疏矩阵的nonzero()方法返回两个数组，其中第二个数组是特征词的列索引，对应feature_names中的位置。

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