python CountVectorizer

`CountVectorizer`是scikit-learn库中的一个文本特征提取器，它将文本转换为向量表示，并计算每个单词在文本中出现的频率。具体来说，它会对输入的文本进行分词、去除停用词（可选）、计算每个单词在文本中出现的次数，最终将每个文本转换为一个向量。

下面是一个简单的例子，展示了如何使用`CountVectorizer`对文本进行特征提取：

from sklearn.feature_extraction.text import CountVectorizer

# 创建CountVectorizer对象
vectorizer = CountVectorizer()

# 输入文本
corpus = [
    "This is the first document.",
    "This is the second document.",
    "And this is the third one.",
    "Is this the first document?",
]

# 对文本进行特征提取
X = vectorizer.fit_transform(corpus)

# 输出特征向量
print(X.toarray())

输出结果为：

[[0 1 1 1 0 0 1 0 1]
 [0 1 1 0 0 1 1 0 1]
 [1 1 0 1 1 0 1 1 0]
 [0 1 1 1 0 0 1 0 1]]

可以看到，每个文本被转换为了一个长度为9的向量，其中每个元素表示该单词在文本中出现的次数。此外，`CountVectorizer`还提供了一些参数，例如可以设置停用词列表、限制最大特征数等。