Python CountVectorizer只返回零

我试图从给定的文档中提取一些特性，给定一组预定义的特性

from sklearn.feature_extraction.text import CountVectorizer
features = ['a', 'b', 'c']
doc = ['a', 'c']

vectoriser = CountVectorizer()
vectoriser.vocabulary = features
vectoriser.fit_transform(doc)

但是，输出是一个2x3数组，用零填充，而不是：

desired_output = [[1, 0, 0]
                  [0, 0, 1]]

---

任何帮助都将不胜感激

这是因为CountVectorizer中的默认标记模式将删除任何只有一个字符长的单词。您可以更改默认令牌模式以修复此问题：

from sklearn.feature_extraction.text import CountVectorizer
features = ['a', 'b', 'c']
doc = ['a', 'c']

vectoriser = CountVectorizer(vocabulary=features, token_pattern=r"\b\w+\b")

vectoriser.fit_transform(doc)

---

token\u pattern=r“\b\w+\b”

是否匹配任何标记（任何长度）？它将捕获具有一个或多个字符的单词，假设它们在词汇表中。

doc

是否表示不同的数据样本或同一样本的不同特征？如果是前者，则此用法不适用于CountVectorizer。你可以用。