这个脚本把你的数据集转换成一个二进制向量空间模型。让我们一个一个地分析一下。
首先，如果我们检查x_train的内容，我们会发现每条评论都表示为一个单词id序列，每个单词id对应一个特定的单词：

print(train_data[0])  # print the first review
[1, 14, 22, 16, 43, 530, 973, ..., 5345, 19, 178, 32]

现在，这将是非常困难的反馈网络。评论的长度不同，任何整数之间的小数值都没有意义（eidogg.如果在输出中我们得到43. 5，这意味着什么？）
因此，我们可以创建一个looong向量，大小相当于整个字典，在示例中为dictionary=10000。然后，我们将该向量的每个元素/索引与一个word/word_id相关联。因此，word id 14表示的word现在将由该向量的第14个元素表示。
每个元素要么是0（单词没有出现在评论中），要么是1（单词出现在评论中），我们可以将其视为概率，因此0和1之间的值都有意义。此外，每个评论都将由这个非常长的**（稀疏）**向量表示，该向量对于每个评论都具有恒定的长度。
因此，在较小的范围内，如果：

word      word_id
I      -> 0
you    -> 1
he     -> 2
be     -> 3
eat    -> 4
happy  -> 5
sad    -> 6
banana -> 7
a      -> 8

然后将以下列方式处理这些句子。

I be happy      -> [0,3,5]   -> [1,0,0,1,0,1,0,0,0]
I eat a banana. -> [0,4,8,7] -> [1,0,0,0,1,0,0,1,1]

现在我突出显示了稀疏这个词。这意味着，与1相比，0会多得多。我们可以利用这一点。而不是检查每个单词，无论它是否包含在评论中;我们将检查一个小得多的列表，其中只包括那些确实出现在我们的评论中的单词。
因此，我们可以让事情变得简单，通过np.zeros((len(sequences), dimension))立即创建reviews × vocabulary零矩阵。然后只需浏览每个评论中的单词，并将该单词对应位置的指示器翻转为1.0：

result[review_id][word_id] = 1.0

因此，我们没有执行25000 x 10000 = 250 000 000操作，而是只执行了number of words = 5 967 841。这只是原始操作量的约2.5%。

这里的for循环并没有处理所有的矩阵，正如你所看到的，它枚举了序列中的元素，所以它只在一个维度上循环，让我们举一个简单的例子：
t = np.array([1,2,3,4,5,6,7,8,9]) r = np.zeros((len(t), 10))
产出

array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])

然后我们用同样的方法修改元素：
for i, s in enumerate(t): r[i,s] = 1.

array([[0., 1., 0., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 1., 0., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 1., 0.],
   [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.]])

你可以看到for循环只修改了一组元素（len（t）），其索引为[i，s]（在本例中;（0、1）、（1、2）、（2、3）等等））

import numpy as np

def vectorize_sequences(sequences, dimension=10000):
    results = np.zeros((len(sequences), dimension))
    for i, sequence in enumerate(sequences):
        results[i, sequence] = 1.
    return results