vectorizer = CountVectorizer() #构建一个计算词频（TF）的玩意儿，当然这里面不足是可以做这些
transformer = TfidfTransformer() #构建一个计算TF-IDF的玩意儿
tfidf = transformer.fit_transform(vectorizer.fit_transform(corpus))
#vectorizer.fit_transform(corpus)将文本corpus输入，得到词频矩阵
#将这个矩阵作为输入，用transformer.fit_transform(词频矩阵)得到TF-IDF权重矩阵
TfidfTransformer + CountVectorizer = TfidfVectorizer
值得注意的是，CountVectorizer()和TfidfVectorizer()里面都有一个成员叫做vocabulary_（后面带一个下划线）
这个成员的意义是词典索引，对应的是TF-IDF权重矩阵的列，只不过一个是私有成员，一个是外部输入，原则上应该保持一致。
vectorizer = TfidfVectorizer(stop_words=stpwrdlst, sublinear_tf = True, max_df = 0.5)
关于参数：
stop_words:
传入停用词，以后获得vocabulary_的时候，就会根据文本信息去掉停用词得到
vocabulary：
词典索引
sublinear_tf:
计算tf值采用亚线性策略。比如，我们以前计算tf是词频，现在会用1+log(分子/(1+分母))的方式解决，默认是开启的
norm：
归一化，我们计算TF-IDF的时候，使用TF*IDF，TF可以是归一化的，也可以是没有归一化的，一般都是采用归一化的方法，默认开启
max_df:
有些词，它们的文档频率太高了（一个词如果每篇文档都出现，那就没有必要用它来区分文本类别了），所以，我们可以设定一个阈值，比如float类型0.5（取值范围[0.0 , 1.0]），表示这个词如果在整个数据集中超过50%的文本都出现了，那么我们也把它列为临时停用词。当然你也可以设定为int型，例如max_df=10，表示这个词如果在整个数据集中超过10的文本都出现了，那么我们也把它列为临时停用词
min_df:
与max_df相反，虽然文档频率越低，似乎越能区分文本，可是如果太低，例如10000篇文本中只有一篇文本出现过这个词，仅仅因为这一篇文本，就增加了词向量空间的维度，不太划算
当然，max_df和min_df在给定vocabulary参数时，就失效了