1、TFIDF中的TF表达式如图示：
2、TFIDF中的IDF表达式如图示：
3、TFIDF向量可以由不同级别的分词产生（单个词语，词性，多个词(n-grams))。具体如图示：
4、导入相应的模块如图示：
5、读取word文件中的内容如图示：
6、进行中文划词，并将其转化为DataFrame类型，方便删除不许要的数据。如图示：
7、划分结果如图示：
8、利用info方法查看数据的详细信息，如图示：
9、筛选出需要删除的数据，得到一组布尔值。如图示：
10、得到的布尔数组。如图示：
11、利用布尔索引，删除bool值为False的数据。如图示：
12、删除无关的的数据后，数据的信息如图示：
13、从上图中可以看到索引不在连续。
14、删除数据后会，剩下数据的索引将不再连续，为了方便后续索引，故重置索引。如图示：
15、重置索引的数据如图示：
16、接下来用TFIDF向量作为特征。实例化TFIDF类，如图示：
17、转换训练数据，如图示：
18、经过TFIDF转换后的数据是一个稀疏矩阵，如图示：
19、为方便观察转化后的数据，将其转化为DataFrame类型，如图示：
20、经过TFIDF转化后的特征向量如图示：
