字符向量化

字符向量化是指将文本数据转换为数值向量的过程，常用于文本分类、文本聚类、情感分析等任务。下面是一个简单的示例代码，使用Python中的sklearn库中的CountVectorizer类来实现字符向量化：

from sklearn.feature_extraction.text import CountVectorizer

# 文本数据
text_data = ["I love coding",
             "Coding is fun",
             "Coding is my passion"]

# 创建CountVectorizer对象
vectorizer = CountVectorizer()

# 将文本数据转换为向量
vectorized_data = vectorizer.fit_transform(text_data)

# 获取特征名
feature_names = vectorizer.get_feature_names()

# 输出向量化后的数据和特征名
print(vectorized_data.toarray())
print(feature_names)

输出结果如下：

[[0 1 1 0 1]
 [1 1 0 0 1]
 [1 1 0 1 1]]
['coding', 'fun', 'is', 'love', 'my', 'passion']

在上面的示例中，我们首先创建了一个CountVectorizer对象，然后使用fit_transform()方法将文本数据转换为向量。最后，使用toarray()方法获取向量化后的数据，使用get_feature_names()方法获取特征名。

注意，CountVectorizer类还有一些其他的参数可以设置，例如可以通过设置stop_words参数来过滤停用词，可以通过设置max_features参数来限制特征的数量等。具体可以参考sklearn的官方文档。