Python sklearn怎么对文本数据进行特征化提取

from sklearn.feature_extraction.text import CountVectorizerdef count_demo():    #文本特征抽取    data=["life is short, i like like python","life is too long,i dislike python"]    #1、实例化一个转换器类    transfer=CountVectorizer()    #2、调用fit_transform()    result=transfer.fit_transform(data)    print("result:
",result.toarray())    print("特征名字:
", transfer.get_feature_names())    return None

from sklearn.feature_extraction.text import TfidfVectorizerimport jiebadef cut_word(text):    #中文分词    #jieba.cut(text)返回的是生成器对象，用list强转成列表    word=list(jieba.cut(text))    #转成字符串    words=" ".join(word)    return wordsdef tfidf_demo():    data = ["今天很残酷，明天更残酷，后天会很美好，但绝大多数人都死在明天晚上，却见不到后天的太阳，所以我们干什么都要坚持",            "注重自己的名声，努力工作、与人为善、遵守诺言，这样对你们的事业非常有帮助",            "服务是全世界最贵的产品，所以最佳的服务就是不要服务，最好的服务就是不需要服务"]    data_new = []    # 将中文文本进行分词    for sentence in data:        data_new.append(cut_word(sentence))    # 1、实例化一个转换器类    transfer = TfidfVectorizer()    # 2、调用fit_transform()    result = transfer.fit_transform(data_new)  # 得到词频矩阵 是一个sparse矩阵    print("result:
", result.toarray())  # 将sparse矩阵转化为二维数组    print("特征名字:
", transfer.get_feature_names())    return None