Python自然语言处理—条件词频分布

本文介绍了如何使用Python的NLTK库进行条件词频统计,通过NLTK自带数据集进行实例演示,并展示了如何绘制分布图和分布表。接着,利用词频信息生成随机文本,讨论了循环问题及可能的优化策略。最后,讲解了如何将自己的文本导入NLTK进行分析。

一 条件词频统计

由于要按条件统计词频,自己准备数据较为麻烦,本次数据集调用NLTK自带的数据集,

from nltk.corpus import brown
cdf = nltk.ConditionalFreqDist((genre,word) for genre in brown.categories() 
                            for word in brown.words(categories=genre))
modals = ['can','could', 'may','might']
cdf.tabulate(samples = modals)

第一步将数据集变为(category,word)的形式,再统计频率,结果如下。

当然可以在统计词频的过程中,使用一些判断条件,来让结果更符合你的需求。


二 绘制分布图和分布表

使用plot()和tabulate()函数即可

cdf.tabulate(samples = modals,conditions=['news','lore'])
cdf.plot(samples = modals,conditions=['news','lore'])

结果如下


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值