我有一个包含大约 60000 个特征的词袋。每个特征代表一个维度。我想在缩小的 2D 空间中表示这个词袋。我该怎么做？

我在这里看到了一个例子，它看起来更像我想要的，但并不完全一样。在示例中，他们有 2 个变换，而我只有一个。因此，正如建议的那样，我不想使用管道。以下是我的代码，它永远不会显示任何错误消息：

#myList contents about 800000 words
bag_of_words = vec.fit_transform(myList)
X = bag_of_words.todense()
pca = PCA(n_components=2).fit(X)
data2D = pca.transform(X)
plt.scatter(data2D[:,0], data2D[:,1])
plt.show() 

我还没有找到更好的选择，现在看起来我做错了什么。

在散点图中可视化词袋的最佳方法是什么？

bag_of_words 看起来像这样：

(0, 548)    3
(0, 4000)   6
(0, 15346)  1
(0, 23299)  1
(0, 22931)  2
(0, 32817)  1
(0, 51733)  1
(0, 38308)  6
(0, 14784)  1
(0, 146873) 1
 ....