TfidfVectorizer的词汇和get_features（）之间的区别？

TfidfVectorizer的词汇和get_features（）之间的区别？

属性 vocabulary__ 输出一个字典，其中所有ngram是字典关键字，而各个值是tfidf矩阵中每个ngram（特征）的列位置。方法
_get_feature_names（）

输出一个列表，其中的ngrams根据每个要素的列位置出现。因此，您可以使用任一方法来确定哪个tfidf列对应于哪个功能。在下面的示例中，使用get_feature_names（）的输出来命名列，可以轻松地将tfidf矩阵转换为熊猫数据帧。还要注意，所有值的权重均相等，并且所有权重的平方和等于1。

singleTFIDF.vocabulary_Out[41]: {'this': 5, 'is': 1, 'simple': 3, 'example': 0, 'this is': 6, 'is simple': 2, 'simple example': 4}singleTFIDF.get_feature_names()Out[42]: ['example', 'is', 'is simple', 'simple', 'simple example', 'this', 'this is']import pandas as pddf = pd.Dataframe(single.toarray(), columns=singleTFIDF.get_feature_names())dfOut[48]:     example        is  is simple    simple  simple example      this   this is0  0.377964  0.377964   0.377964  0.377964        0.377964  0.377964  0.377964