我正在使用带有默认参数的TfidfVectorizer从文本文档中提取每个要素名称的tf-idf值（采用.csv格式，其中每个行条目代表一条文本消息（dtype = str））。这就是我所做的：
from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np
from pandas import Series
# .csv document has been converted into pandas format
tf = TfidfVectorizer()
X_tf = tf.fit_transform(document)
# get feature names and tf-idf values
feature_names = tf.get_feature_names()
tfidf = tf.idf_
我还使用最后两行来提取特征名称和tf-idf值。但是，我还被要求（1）按升序和降序的tf-idf值对特征进行排序，然后按字母顺序排序（如果多个要素和tf-idf值相关联）和（2）输出使用功能名称作为索引进入pandas Series对象，使得输出看起来像这样（这个以降序排列）：
feature tf-idf
he 0.031
she 0.047
i 0.068
a 0.084
the 1.527
似乎我可以通过匹配＆＃39; feature_names＆＃39;来实现这一目标。和＆＃39; tfidf＆＃39;并对它们进行排序，但我不确定它们的序列是否真的与“＃feature.eames”相匹配。是一个列表对象，而＆＃39; tfidf＆＃39;是一个笨拙的阵列，因为我不知道sklearn在幕后做了什么。
如果我想以降序（和升序）顺序编译已排序的系列，并使用确切的特征名称作为索引（按字母顺序排序），那么我应该从代码的最后一行开始？如果有人能够启发我，我将非常感激。
谢谢。