3.使用sklearn库调用CountVectorizer和TfidfTransformer函数计算TF-IDF值，将文本转化为词频矩阵。

可以按照以下步骤使用sklearn库调用CountVectorizer和TfidfTransformer函数计算TF-IDF值，将文本转化为词频矩阵：

1. 导入需要的库和模块：

from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

2. 创建一个CountVectorizer对象，用于将文本转换为词频矩阵：

count_vect = CountVectorizer()

3. 调用fit_transform方法将文本转换为词频矩阵：

count_matrix = count_vect.fit_transform(text_list)

其中，text_list是一个包含多个文本的列表。

4. 创建一个TfidfTransformer对象，用于计算TF-IDF值：

tfidf_transformer = TfidfTransformer()

5. 调用fit_transform方法将词频矩阵转换为TF-IDF矩阵：

tfidf_matrix = tfidf_transformer.fit_transform(count_matrix)

现在，tfidf_matrix就是我们需要的TF-IDF矩阵，可以用于后续的文本分析任务。