从数据加载，去除停用词，Tfidf提取文本征向量的 python 代码。代码要清 晰易读，要有适当的注释。

以下是从数据加载，去除停用词，Tfidf提取文本征向量的Python代码，希望可以对你有所帮助：

import pandas as pd
import numpy as np
import re
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer

# 加载数据
data = pd.read_csv('data.csv')

# 去除特殊字符和数字等无关词汇
data['text'] = data['text'].apply(lambda x: re.sub('[^a-zA-Z]', ' ', x))

# 分词并去除停用词
stop_words = set(stopwords.words('english'))
data['text'] = data['text'].apply(lambda x: ' '.join([word.lower() for word in x.split() if word.lower() not in stop_words]))

# 词形还原
lemmatizer = WordNetLemmatizer()
data['text'] = data['text'].apply(lambda x: ' '.join([lemmatizer.lemmatize(word) for word in x.split()]))

# 计算词频
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(data['text'])

# 计算TF-IDF
transformer = TfidfTransformer()
tfidf = transformer.fit_transform(X)

# 提取文本特征向量
features = np.array(tfidf.todense())

以上代码中，我们首先使用 Pandas 库加载数据，并去除其中的特殊字符和数字等无关词汇。然后，使用 NLTK 库中的停用词集合去除停用词。接下来，我们使用 WordNetLemmatizer 进行词形还原，将每个单词还原为它的原型。然后，使用 CountVectorizer 计算每个单词在文本中出现的次数，并使用 TfidfTransformer 计算每个单词在文本中的 TF-IDF 值。最后，我们将每个文本的特征向量提取出来，存储在 features 数组中。