此示例中的数字减少，使事物更具可读性。我实际上处理的是更多更大的数据。
目前我正在使用sklearn.preprocessing中的Normalizer来规范化矩阵：
from sklearn.preprocessing import Normalizer
from scipy.sparse import csr_matrix
tab = csr_matrix((5, 10))
tab[2,3] = 1
tab[4,5] = 2 #The columns represent my 10 items in a 5-dimensions space
transformer = Normalizer(norm='l1')
tab = transformer.fit_transform(tab.T).T #normalize by column
这可以按我的预期工作（它会转换tab，因此按列进行标准化）。
但是现在我有一个新的数组arr（大小为5），我想在它上面应用与选项卡列相同的转换。我不能这样做：
result = transformer.transform(arr)
因为.transform需要一个矩阵，但无论如何都不要记住上一次转换。我怎样才能保留这段记忆？
考虑到数据总量（tab的大小）