Python 2.7 sklearn计数器矢量器

我对使用词汇表有疑问。get，代码如下。 如下图所示，我在一个机器学习练习中使用了CountVectorizer，以获得特定单词的出现次数

from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
s1 = 'KJ YOU WILL BE FINE'
s2 = 'ABHI IS MY BESTIE'
s3 = 'sam is my bestie'
frnd_list = [s1,s2,s3]
bag_of_words = vectorizer.fit(frnd_list)
bag_of_words = vectorizer.transform(frnd_list)
print(bag_of_words)
# To get the feature word number from word 
#for eg:
print(vectorizer.vocabulary_.get('bestie'))
print(vectorizer.vocabulary_.get('BESTIE'))

输出：

Bag_of_words is :
(0, 1)  1
(0, 3)  1
(0, 5)  1
(0, 8)  1
(0, 9)  1
(1, 0)  1
(1, 2)  1
(1, 4)  1
(1, 6)  1
(2, 2)  1
(2, 4)  1
(2, 6)  1
(2, 7)  1

'bestie' has  feature number:
 2
'BESTIE' has feature number:
 None

---

因此，我怀疑为什么“bistie”显示的是正确的功能编号，即2，而“BESTIE”显示的是没有。词汇表“”是否可以很好地使用大写向量？

countvectorier

采用默认为

True

的参数

lowercase

，如文档中所述：

---

如果您想区别对待小写和大写，请将其更改为

False

countvectorizer接受一个参数“小写”，默认情况下其值为true

如果我们想要区分大写字母和小写字母，那么设置lowercase=False

有关更多信息，请单击此处

lowercase : boolean, True by default
    Convert all characters to lowercase before tokenizing.