您应该调用fit_transform或只fit原始词汇来源，以便矢量化程序学习词汇。

然后，您可以通过transform()方法在所有新数据源上使用此fit矢量化器。

您可以通过vectorizer.vocabulary_ （假设您将CountVectorizer命名为vectorizer ）来获取由匹配产生的词汇（即单词到令牌ID的映射）。

>>> tags = [
  "python, tools",
  "linux, tools, ubuntu",
  "distributed systems, linux, networking, tools",
]

>>> list_of_new_documents = [
  ["python, chicken"],
  ["linux, cow, ubuntu"],
  ["machine learning, bird, fish, pig"]

]

>>> from sklearn.feature_extraction.text import CountVectorizer
>>> vect = CountVectorizer()
>>> tags = vect.fit_transform(tags)

# vocabulary learned by CountVectorizer (vect)
>>> print(vect.vocabulary_)
{'python': 3, 'tools': 5, 'linux': 1, 'ubuntu': 6, 'distributed': 0, 'systems': 4, 'networking': 2}

# counts for tags
>>> tags.toarray()
array([[0, 0, 0, 1, 0, 1, 0],
       [0, 1, 0, 0, 0, 1, 1],
       [1, 1, 1, 0, 1, 1, 0]], dtype=int64)

# to use `transform`, `list_of_new_documents` should be a list of strings 
# `itertools.chain` flattens shallow lists more efficiently than list comprehensions

>>> from itertools import chain
>>> new_docs = list(chain.from_iterable(list_of_new_documents)
>>> new_docs = vect.transform(new_docs)

# finally, counts for new_docs!
>>> new_docs.toarray()
array([[0, 0, 0, 1, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 0]])

要验证CountVectorizer使用来自学到的词汇tags上new_docs ：打印vect.vocabulary_再次或输出比较new_docs.toarray()到的tags.toarray()

您是对的，您的vocabulary是正确的。它是这样的：

>>> cv = sklearn.feature_extraction.text.CountVectorizer(vocabulary=['hot', 'cold', 'old'])
>>> cv.fit_transform(['pease porridge hot', 'pease porridge cold', 'pease porridge in the pot', 'nine days old']).toarray()
array([[1, 0, 0],
       [0, 1, 0],
       [0, 0, 0],
       [0, 0, 1]], dtype=int64)

因此，您将所需功能作为键传递给它。

如果在一组文档上使用了CountVectorizer ，然后又想将这些文档中的一组功能用于新的一组，请使用原始CountVectorizer的vocabulary_属性并将其传递给新的。因此，在您的示例中，您可以

newVec = CountVectorizer(vocabulary=vec.vocabulary_)

使用第一个词汇创建一个新的令牌生成器。