如何遍历Gensim Word2Vec加载的KeyedVectors对象中的向量开展计算

你要找的、支撑全向量遍历的内置属性是真实存在的，只不过因为是实例加载完成后才会赋值的属性，你之前查询类定义的dir(KeyedVectors)时不会显示，需要加载得到具体的KeyedVectors实例后，查实例的属性列表才能看到。

核心内置属性说明 #

• 全量向量矩阵：实例的vectors属性，是形状为(向量总数量, 向量维度)的numpy二维数组，每一行对应一个词的向量数值，所有加载的向量都完整存储在这个矩阵里，没有额外副本。
• 对应词名索引：实例的index_to_key属性（Gensim 4.x+版本），是和vectors行顺序严格一一对应的列表，每一行的向量对应的词名就是这个列表对应位置的元素。

  兼容提示：Gensim 3.x的旧版本中，对应顺序的词表属性叫index2entity，替换属性名即可获得同样效果。

不同场景的实用操作方法 #

• 仅需批量计算、不需要对应词名的场景（比如全向量求和）：
  不需要逐行写循环，直接对vectors矩阵做numpy批量运算即可，运行速度比逐行循环快1-2个数量级。
  示例：计算所有向量的逐维度加和，直接运行

  total_dim_sum = vecs.vectors.sum(axis=0)
  

  针对示例的3个5维向量文件，这行代码会直接输出长度为5的数组，对应每个维度的累计和。
• 需要逐遍历、同时获取对应词名的场景：
  直接将顺序词表和向量矩阵打包遍历即可，不需要做额外的索引查找：

  for word_name, word_vec in zip(vecs.index_to_key, vecs.vectors):
      # 自定义逐向量计算逻辑，比如打印模长
      vec_norm = np.linalg.norm(word_vec)
      print(f"{word_name} 向量模长：{vec_norm:.4f}")
  

避坑提示 #

1. 不要用遍历全量词名、逐次通过vecs[word]取向量的方式做全量遍历：这种方式虽然能拿到正确结果，但每次取向量都会触发一次词表索引查找，当向量库规模达到十万级以上时，运行速度会比直接读取vectors矩阵慢非常多，完全没必要承担额外的性能开销。
2. 不要依赖key_to_index（词到矩阵行号的映射字典）的遍历顺序匹配向量矩阵：虽然新版Python字典会保留插入顺序，但这种遍历方式多了一步位置查表的环节，效率远低于直接用官方提供的index_to_key顺序列表和向量矩阵做对应。

内容的提问来源于stack exchange，提问作者Luke