scikit-learn 的FeatureUnion连接来自不同矢量化器的特征。可以在此处找到组合异构数据（包括文本）的示例。

通常，如果可能，您希望尽可能长时间地保持矩阵稀疏，因为它可以节省大量内存。这就是为什么毕竟有稀疏矩阵的原因，否则，何必呢？因此，即使您的分类器要求您使用密集输入，您也可能希望将 TFIDF 特征保持为稀疏，并以稀疏格式向它们添加其他特征。然后仅使矩阵密集。

为此，您可以使用scipy.sparse.hstack。它按列将两个稀疏矩阵组合在一起。scipy.sparse.vstack也存在。当然，scipy 也有非稀疏版本 scipy.hstack 和 scipy.vstack

想象一下，您有一个包含四个特征列和一个目标的数据框。其中两个特征是您想要对其执行 tfidf 的文本列，另外两个是您想要用作 RandomForest 分类器中的特征的标准列。

我会使用以下代码：

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.ensemble import RandomForestClassifier
from sklearn.feature_extraction.text import TfidfVectorizer

# Set X and y
X = df[['text1_column_name', 
        'text2_column_name', 
        'standard_feature1', 
        'standard_feature2']]
y = df['target']

# initialise model and vectorizers
model = RandomForestClassifier()
vectorizer1 = TfidfVectorizer()
vectorizer2 = TfidfVectorizer()

# construct the column transfomer
column_transformer = ColumnTransformer(
    [('tfidf1', vectorizer1, 'text1_column_name'), 
    ('tfidf2', vectorizer2, 'text2_column_name')],
    remainder='passthrough')

# fit the model
pipe = Pipeline([
                  ('tfidf', column_transformer),
                  ('classify', model)
                ])
pipe.fit(X,y)