从数据加载到提取文本征向量前的 python 代码。代码要清 晰易读，要有适当的注释。

当然，我会尽力回答你的问题。对于从数据加载到提取文本特征向量的完整流程，一般会包括以下几个步骤：

1. 数据预处理（例如数据清洗、分词、去停用词等）
2. 构建词表（vocab）和词向量（word embedding）
3. 加载数据并进行编码（例如将文本转换成数字序列）
4. 提取文本特征向量

下面是一个简单的示例代码，用于说明如何实现这些步骤：

import numpy as np
import pandas as pd
import jieba
import gensim
from gensim.models import Word2Vec

# Step 1: 数据预处理
def clean_text(text):
    # 去除标点符号
    text = text.replace(",", "").replace(".", "").replace("!", "").replace("?", "")
    # 分词
    seg_list = jieba.cut(text)
    # 去停用词
    stopwords = open("stopwords.txt", "r", encoding="utf-8").read().split("\n")
    words = [word for word in seg_list if word not in stopwords]
    return words

# Step 2: 构建词表和词向量
def build_word2vec_model(sentences):
    model = Word2Vec(sentences, size=100, window=5, min_count=5, workers=4)
    model.save("word2vec.model")
    return model

# Step 3: 加载数据并进行编码
def load_data(file_path):
    data = pd.read_csv(file_path)
    data["words"] = data["text"].apply(clean_text)
    word2vec_model = Word2Vec.load("word2vec.model")
    vocab = word2vec_model.wv.vocab
    data["sentence"] = data["words"].apply(lambda x: [vocab[word].index for word in x if word in vocab])
    return data

# Step 4: 提取文本特征向量
def extract_features(data):
    word2vec_model = Word2Vec.load("word2vec.model")
    features = np.zeros((len(data), 100))
    for i, sentence in enumerate(data["sentence"]):
        for word_index in sentence:
            features[i] += word2vec_model.wv[word_index]
        features[i] /= len(sentence)
    return features

# 示例代码的使用
sentences = [["我", "喜欢", "吃", "苹果"], ["他", "不喜欢", "吃", "苹果"]]
word2vec_model = build_word2vec_model(sentences)
data = load_data("data.csv")
features = extract_features(data)

这段示例代码的作用是：首先使用 jieba 分词对原始文本进行处理，然后使用 gensim 构建词表和词向量。接着，读取数据并将文本编码成数字序列。最后，提取文本特征向量。当然，这只是一个简单的示例，实际应用中可能需要根据具体需求进行修改。