Python3.5中Gensim Word2Vec代码TypeError报错修复咨询

嘿，这个错误的根源其实很容易发现——你不小心用了Python的内置函数max来做切片的上限，但切片要求的是整数索引，而不是函数对象！

max是Python自带的用来计算最大值的内置函数，当你写model.wv.index2word[:max]时，Python会把max当成那个函数本身，而不是你想要的“最大取词数量”的整数值，这就导致了类型不匹配的错误。

具体修复步骤： #

1. 重命名变量，避免和内置函数冲突：定义一个自定义的整数变量，比如max_word_count，用来指定你想要提取的词的数量，例如：

   max_word_count = 1000  # 改成你实际需要的数量，比如视频里的数值
   

2. 修正切片语句：把原来的[:max]替换成[:max_word_count]；
3. 确保w2v矩阵初始化正确：你需要提前创建一个维度匹配的数组来存储词向量，比如用numpy初始化（如果视频里用的是numpy的话）：

   import numpy as np
   # 根据词向量维度和要取的词数初始化
   w2v = np.zeros((max_word_count, model.wv.vector_size))
   

修正后的完整代码示例： #

import numpy as np
# 假设你的Word2Vec模型已经训练并加载完成
max_word_count = 1000  # 替换成你需要的取词数量
w2v = np.zeros((max_word_count, model.wv.vector_size))

with open("metadata.tsv", "w+") as file_metadata:
    for i, word in enumerate(model.wv.index2word[:max_word_count]):
        w2v[i] = model.wv[word]
        file_metadata.write(word + "\n")

额外提示： #

如果视频里的max是指提取所有词，那你完全可以省略切片，直接用model.wv.index2word，这样就不用定义数量变量了，代码会更简洁：

with open("metadata.tsv", "w+") as file_metadata:
    for i, word in enumerate(model.wv.index2word):
        w2v[i] = model.wv[word]
        file_metadata.write(word + "\n")

当然这时候w2v的初始化要改成np.zeros((len(model.wv.index2word), model.wv.vector_size))哦。

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