CountVectorizer 添加一列连续变量

CountVectorizer 是一种对文本进行特征提取的方法，它的输出是一个稀疏矩阵，每一行表示一个文本样本，每一列表示一个单词，矩阵中的每个元素表示该单词在该文本中出现的次数。因此，CountVectorizer 本身并不支持添加连续变量。

如果你想将连续变量添加到 CountVectorizer 的输出中，可以考虑使用稀疏矩阵的拼接操作。假设你已经有一个包含连续变量的 pandas DataFrame，可以使用 pandas.DataFrame.sparse.hstack() 方法将其与 CountVectorizer 的输出进行水平拼接，得到一个新的稀疏矩阵，其中既包含文本特征，也包含连续变量。

示例代码如下：

from sklearn.feature_extraction.text import CountVectorizer
from scipy.sparse import hstack
import pandas as pd

# 构造文本特征
text = ['I love machine learning', 'I hate exams']
vectorizer = CountVectorizer()
text_features = vectorizer.fit_transform(text)

# 构造连续变量
numeric = pd.DataFrame({'score': [0.8, 0.5]})

# 将文本特征和连续变量进行水平拼接
features = hstack([text_features, numeric.sparse.to_coo()])

print(features.toarray())
# 输出:
# [[1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.8]
#  [0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.5]]

在上述示例中，我们首先使用 CountVectorizer 提取了文本特征。然后，我们构造了一个包含连续变量的 pandas DataFrame，并将其转换为稀疏矩阵。最后，我们使用 hstack() 方法将文本特征和连续变量进行拼接，得到新的稀疏矩阵。