熊猫数据框上的TfIdf

Question

我正在尝试做一个文本分类器，我想在我的数据集上应用tfidf，它由20x20的矩阵组成。每列上有20个文档（每个作者50.000个单词）。使用熊猫的CSV，然后我试图申请 TfidfVectorizer在我的数据上。问题是它很慢，我想知道是否可以更快地完成。这是我的方法：

results = np.array(400)
for author in authors:
    results = np.append(results, list(data_set[author]))

tf_idf = TfidfVectorizer(sublinear_tf=True, norm='l2', min_df=0.3, max_df=0.75, encoding='latin-1', ngram_range=(1, 2), stop_words='english')
features = tf_idf.fit_transform(results)

我要遍历每一列并将其附加到结果上，我得到一个（400，）形状的numpy数组（20个作者x 20个文档每个= 400）。完成需要一分钟以上的时间（大部分时间花费在fit_transform方法中。谢谢！