sklearn 中的Countvectorizer/TfidfVectorizer保留长度小于2的字符方法

在sklearn中的sklearn.feature_extraction.text.Countvectorizer()或者是sklearn.feature_extraction.text.TfidfVectorizer()中其在进行却分token的时候，会默认把长度<2的字符抛弃，例如下面的例子：

x = ['i love you', 'i hate you', 'i']
vect = CountVectorizer(min_df=0)
x_train = vect.fit_transform(x)
x_train.toarray()

• 1
• 2
• 3
• 4

其执行后的编码如下： 

那么如果我们想要保留‘I’这种长度只有1的字符该怎么办呢？具体方法如下： 
我么你可以指定最小的df，并且指定切分单词的模式，具体的例子：

x = ['i love you', 'i hate you', 'i']
vect = CountVectorizer(min_df=0, token_pattern='w+')
x_train = vect.fit_transform(x)
x_train.toarray()

• 1
• 2
• 3
• 4

运行结果：