遇到no module named ‘pyLDAvis.sklearn‘的解决办法

在NLP学习中，常常用到LDA主题模型对文本进行分类，可视化经常用到的代码有

import pyLDAvis
import pyLDAvis.sklearnpanel = pyLDAvis.sklearn.prepare(lda, tf_idf, tf_idf_vectorizer)
pyLDAvis.save_html(panel, 'lda_visualization.html')
pyLDAvis.display(panel)

import pyLDAvis
- 这行代码导入了 pyLDAvis 库，这是一个Python库，用于交互式可视化主题模型的结果，如LDA（Latent Dirichlet Allocation）模型。
import pyLDAvis.sklearn
- 这行代码从 pyLDAvis 库中导入了 sklearn 模块。这个模块提供了与scikit-learn库（一个广泛使用的Python机器学习库）集成的工具，使得 pyLDAvis 可以与scikit-learn的模型和数据格式兼容。
panel = pyLDAvis.sklearn.prepare(lda, tf_idf, tf_idf_vectorizer)
- 这行代码使用 pyLDAvis.sklearn.prepare 函数来准备数据，以便于可视化。它需要三个参数：
  - lda: 一个已经训练好的LDA模型实例。
  - tf_idf: 一个稀疏矩阵，表示文档-词项矩阵（Term Frequency-Inverse Document Frequency），通常是通过 sklearn.feature_extraction.text.TfidfVectorizer 转换得到的。
  - tf_idf_vectorizer: 用于创建 tf_idf 矩阵的向量化器，它包含了词汇表等信息。
- 函数返回一个 pyLDAvis 面板对象，这个对象包含了所有需要进行可视化的数据。
pyLDAvis.save_html(panel, 'lda_visualization.html')
- 这行代码将 pyLDAvis 面板对象保存为一个HTML文件。这个HTML文件可以被任何现代浏览器打开，用于展示LDA模型的交互式可视化。文件名是 'lda_visualization.html'。
pyLDAvis.display(panel)
- 这行代码使用 pyLDAvis.display 函数在Jupyter笔记本中直接显示LDA模型的交互式可视化。如果你在Jupyter环境中工作，这将非常有用，因为它允许你直接在笔记本中查看结果，而不需要打开一个单独的HTML文件。

总的来说，这些代码是用来准备和展示一个LDA模型的交互式主题模型可视化的。这有助于理解模型如何将文档分配到不同的主题上，以及每个主题中包含哪些词项。

但是经常遇到no module named pyLDAvis.sklearn

解决办法如下：

错误1：使用了import pyLDAvis.sklearn，提示没有模块no module named 'pyldavis.sklearn'默认安装 pyLDAvis==3.4.1，最后降级处理，解决方式：

pip install pyLDAvis==3.2.2

错误2： return vectorizer.get_feature_names()
AttributeError: 'CountVectorizer' object has no attribute 'get_feature_names'

解决方式：进入相关的代码文件中，找到对应位置，修改为：return vectorizer.get_feature_names_out()

错误3：

pyLDAvis\_prepare.py", line 247, in _topic_info
default_term_info = default_term_info.sort_values(
TypeError: drop() takes from 1 to 2 positional arguments but 3 were given

解决方式：

修改_prepare.py文件，
将248行代码改为drop(‘saliency’, 1) ==> drop(‘saliency’, axis=1)

我到这一步就可以展示了，但是如果还有问题的话，可以参照错误4

错误4：OSError: [Errno 22] Invalid argument: 'https://cdn.jsdelivr.net/gh/bmabey/py

修改报错处，即_display.py的227.py,local=True改为local=False

最后结果展示：