《Python自然语言处理》学习笔记（二）

今天的内容涉及对语言简单的统计和Python基本控制流程（if，for）。

一.计算语言

1.频率分布

FreqDist函数：需要一个文本作为参数，返回一组键值对，键是单词，值时单词在文中出现的次数。

fdist1 = FreqDist(text1)

plot函数：通过参数，可以绘制单词的频率图，或者累积频数图。

fdist1.plot(50,cumulative=True) 绘制fdist1的50个出现频率最高的词的累积频数图。

2.细粒度的选择词

V=set(text1) #将V赋值为text1的单词的集合（集合肯定没有重复的元素）

long_words=[w for w in V if len(w)>15] #选出长度大于15的单词

sorted(long_words) #给单词按照字母顺序排序

应用举例：求语料库中所有长度超过7，出现次数超过7的词。

fdist5=FreqDist(text5)