Python中list()函数处理Word2Vec的vocab字典对象的原理是什么？

Hey there! Let's clear up how list() is working with that gensim vocab object, and also touch on how it differs from toarray() since you mentioned confusion between the two.

先回顾你的测试场景 #

你训练Word2Vec模型后，model.wv.vocab本质上是一个Python字典（dict）——从直接打印它的输出就能看出来：键是语料中的词汇，值是对应的gensim.models.keyedvectors.Vocab对象，存储着词汇的频次等信息。

你的测试代码：

from gensim.models import Word2Vec
sentences_word2vec = [['this', 'is', 'the', 'first', 'test', 'sentence'], 
                      ['this', 'is', 'the', 'second', 'one', 'in', 'the', 'test'], 
                      ['we', 'need', 'a', 'second-last', 'test', 'sentence', 'for', 'our', 'test','script'], 
                      ['this', 'is', 'the', 'last', 'one', 'now', 'we"re', 'done']]
model = Word2Vec(sentences_word2vec, min_count=1)
print(list(model.wv.vocab))

运行后得到的是纯词汇列表，而直接打印model.wv.vocab则是完整的键值对字典。

为什么list()能把字典转成词汇列表？ #

这是Python字典的默认迭代行为导致的：

• 当你把一个字典传给list()函数时，list()会自动遍历字典的键（keys），把所有键收集成一个列表。
• 换句话说，list(model.wv.vocab)和list(model.wv.vocab.keys())的效果完全一致——前者是Python的简化写法，利用了字典迭代器默认返回键的特性。

如果需要提取字典的其他部分，你也可以这样做：

• 提取所有Vocab对象：list(model.wv.vocab.values())
• 提取键值对元组：list(model.wv.vocab.items())

和toarray()的区别 #

你提到对toarray()和list()有疑惑，这里也明确下：

• toarray()是**numpy数组或稀疏矩阵（如scipy.sparse）**的方法，作用是把稀疏的矩阵结构转换成密集的numpy数组，完全是针对数值型矩阵的操作。
• 而这里的list()是利用Python的迭代协议，对字典进行键的提取，属于容器类型的遍历操作，和数值矩阵处理完全不相关。

内容的提问来源于stack exchange，提问作者Mr. President