Python是一種廣泛使用的編程語言，它在自然語言處理和人工智能領域中也得到了廣泛應用。詞向量是一種重要的自然語言處理技術，它可以將文本轉化為數學向量，以便計算機進行更有效的處理。

在Python中，有許多優秀的庫可用于詞向量訓練。其中最著名的是gensim庫，它是一種專門用于處理文本數據的Python庫。我們來看一下如何使用gensim庫進行詞向量訓練。

# 導入gensim庫
import gensim
# 定義語料庫
corpus = [['I', 'like', 'apple'], ['she', 'loves', 'banana'], ['he', 'enjoys', 'orange'], ['we', 'eat', 'grape']]
# 訓練模型
model = gensim.models.Word2Vec(sentences=corpus, size=10, window=3, min_count=1)
# 查看詞向量
print(model['apple'])

在上面的代碼中，我們首先導入gensim庫。然后，我們定義了一個包含四個文檔的語料庫。接著，我們使用Word2Vec模型進行訓練。在訓練過程中，我們指定了詞向量的大小、上下文窗口大小以及最低詞頻。最后，我們打印出“apple”的詞向量。

在這里，我們簡單地介紹了使用gensim庫進行詞向量訓練的基本過程。詞向量是一個復雜的主題，需要深入研究以獲得更好的結果。