Re: [問題] Python2 unicode轉日文

[TZULIU (消費券收購商)]

※ 引述《TZULIU (消費券收購商)》之銘言：
: 想請問各位一下，
: 近日我正在使用日文進行text clustering，
: 但當我將日文字/詞轉換成dictionary之後，
: dictionary key就變成unicode而非日文，
: 請問該如何解決此問題？
: Code 如下：
: ## load data
: allWrdMat10 = pd.read_csv("../../data/allWrdMat10.csv.gz", encoding='CP932')
: ## Set X as CSR Sparse Matrix
: X = np.array(allWrdMat10)
: X = sp.csr_matrix(X)
: ## create dictionary
: dict_index = {t:i for i,t in enumerate(allWrdMat10.columns)}

其實我本來也是用Python3來處理這個問題，

不過不知為何下行".argsort()"並沒有sorting矩陣裡的資料，

以至於再下一行碼產生錯誤"too many indices for array"

請問有高手有解嗎？

: freqrank = np.array(dict_index.values()).argsort()
: X_transform = X[:, freqrank < 1000].transpose().toarray()
: ##################################################################
: 若輸入 allWrdMat10.columns 仍會顯現日文，如下：
: Index([u'?', u'．', u'・', u'％', u'０', u'１', u'１０月', u'１１月', u'１２月', u'１つ',
:        ...
:        u'瀋陽', u'疆', u'盧', u'籠', u'絆', u'胚', u'諫早', u'趙', u'鉉', u'鎔基'],
:       dtype='object', length=8655)
: 但若輸入 dict_index.keys() 時，則會變成unicode:
: [u'\u77ed\u9283',
:  u'\u5efa\u3066',
:  u'\u4f0a',
:  u'\u5e73\u5b89',
:  u'\u6025\u9a30',
:  u'\u897f\u65e5\u672c',
:  u'\u5e03\u9663',
: ...]
: 請問各位高手該如何解決此一問題？謝謝。

回到原本的問題，當我用"plot_dendrogram"的時候，

若設定"labels=dict_index/keys()"，

X軸的label只會是方塊並不會有任何文字，

請問各位高手有解嗎？

謝謝。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 168.150.120.168
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1496683353.A.7CC.html
→ ides13: from matplotlib.font_manager 可以設定要使用的字型
→ ides13: 日文字型：http://www.maisfontes.com/osaka
→ TZULIU: 感謝回答，但上述方法似乎是讓plot可以讀取"u"日本""
→ TZULIU: 但我的資料已經變成"u'\u77ed\u9283'"所以其實無效，請問
→ TZULIU: 有其他方法嗎？
推 darkgerm: 應該是 dict.values() 2,3 回傳的型態不同
→ darkgerm: 先轉成 list 試試   list(dict_index.values())
→ darkgerm: https://goo.gl/wuiPOe  剛好查到XD
→ darkgerm: 用 iter 也行，效能更好