如何使用Python的sklearn中的CountVectorizer？

import jiebaimport refrom sklearn.feature_extraction.text import CountVectorizer#原始数据text = ['很少在公众场合手机外放',        '大部分人都还是很认真去学习的',        '他们会用行动来',        '无论你现在有多颓废，振作起来',        '只需要一点点地改变',        '你的外在和内在都能焕然一新']#提取中文text = [' '.join(re.findall('[u4e00-u9fa5]+',tt,re.S)) for tt in text]#分词text = [' '.join(jieba.lcut(tt)) for tt in text]text

#构建模型vectorizer = CountVectorizer()#训练模型X = vectorizer.fit_transform(text)

#所有文档汇集后生成的词汇feature_names = vectorizer.get_feature_names()print(feature_names)

#每个文档相对词汇量出现次数形成的矩阵matrix = X.toarray()print(matrix)

#计数矩阵转化为DataFramedf = pd.DataFrame(matrix, columns=feature_names)df

print(vectorizer.vocabulary_)