我有一个自然语言处理任务，并且我在使用scikit-learn。在阅读教程时，我了解到如何对文本进行向量化，以及如何使用这些向量化模型来供分类算法使用。假设我有一些文本，并且我想按照以下方式对其进行向量化：
from sklearn.feature_extraction.text import CountVectorizercorpus =['''计算机科学是计算及其应用的科学和实用方法。'''#这是另一个观点'''它是对方法论程序的可行性、结构、表达和机械化的系统研究，这些程序是信息获取、表示、处理、存储、通信和访问的基础，无论这些信息是以计算机内存中的比特形式编码，还是以生物细胞中的基因和蛋白质结构形式转录。''' #另一个'''计算机科学家专注于计算理论和计算系统的设计''']vectorizer = CountVectorizer(analyzer='word')X = vectorizer.fit_transform(corpus)print X问题是我不理解输出的含义，我看不出文本与向量化器返回的矩阵之间有任何关系：
(0, 12) 3 (0, 33) 1 (0, 20) 3 (0, 45) 7 (0, 34) 1 (0, 2) 6 (0, 28) 1 (0, 4) 1 (0, 47) 2 (0, 10) 2 (0, 22) 1 (0, 3) 1 (0, 21) 1 (0, 42) 1 (0, 40) 1 (0, 26) 5 (0, 16) 1 (0, 38) 1 (0, 15) 1 (0, 23) 1 (0, 25) 1 (0, 29) 1 (0, 44) 1 (0, 49) 1 (0, 1) 1 : : (0, 30) 1 (0, 37) 1 (0, 9) 1 (0, 0) 1 (0, 19) 2 (0, 50) 1 (0, 41) 1 (0, 14) 1 (0, 5) 1 (0, 7) 1 (0, 18) 4 (0, 24) 1 (0, 27) 1 (0, 48) 1 (0, 17) 1 (0, 31) 1 (0, 39) 1 (0, 6) 1 (0, 8) 1 (0, 35) 1 (0, 36) 1 (0, 46) 1 (0, 13) 1 (0, 11) 1 (0, 43) 1此外，我不理解当我使用toarray()方法时输出的变化：
print X.toarray()输出到底是什么意思，它与语料库有什么关系？
[[1 1 6 1 1 1 1 1 1 1 2 1 3 1 1 1 1 1 4 2 3 1 1 1 1 1 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 7 1 2 1 1 1]]回答：
CountVectorizer生成文档-词矩阵。让我们看一个简化的代码示例：
from sklearn.feature_extraction.text import CountVectorizercorpus =['''计算机硬件''','''计算机数据和软件数据''']vectorizer = CountVectorizer(analyzer='word')X = vectorizer.fit_transform(corpus)print Xprint X.toarray()你有两个文档，即语料库的元素，以及五个词项，即单词。你可以按以下方式计算文档中的词项数：
| and computer data hardware software +-------------------------------------doc 0 | 1 1 doc 1 | 1 1 2 1 而X以关联的方式表示上述矩阵，即从（行，列）到词项频率的映射，X.toarray()则将X显示为列表的列表。以下是执行结果：
(1, 0) 1 (0, 1) 1 (1, 1) 1 (1, 2) 2 (0, 3) 1 (1, 4) 1[[0 1 0 1 0] [1 1 2 0 1]]正如@dmcc所指出的，你遗漏了逗号，这使得corpus只有一个文档。
