Python - Distribution de fréquence
Compter la fréquence d'apparition d'un mot dans un corps de texte est souvent nécessaire lors du traitement de texte. Ceci peut être réalisé en appliquant leword_tokenize() fonction et en ajoutant le résultat à une liste pour garder le compte des mots comme indiqué dans le programme ci-dessous.
from nltk.tokenize import word_tokenize
from nltk.corpus import gutenberg
sample = gutenberg.raw("blake-poems.txt")
token = word_tokenize(sample)
wlist = []
for i in range(50):
wlist.append(token[i])
wordfreq = [wlist.count(w) for w in wlist]
print("Pairs\n" + str(zip(token, wordfreq)))Lorsque nous exécutons le programme ci-dessus, nous obtenons la sortie suivante -
[([', 1), (Poems', 1), (by', 1), (William', 1), (Blake', 1), (1789', 1), (]', 1), (SONGS', 2), (OF', 3), (INNOCENCE', 2), (AND', 1), (OF', 3), (EXPERIENCE', 1), (and', 1), (THE', 1), (BOOK', 1), (of', 2), (THEL', 1), (SONGS', 2), (OF', 3), (INNOCENCE', 2), (INTRODUCTION', 1), (Piping', 2), (down', 1), (the', 1), (valleys', 1), (wild', 1), (,', 3), (Piping', 2), (songs', 1), (of', 2), (pleasant', 1), (glee', 1), (,', 3), (On', 1), (a', 2), (cloud', 1), (I', 1), (saw', 1), (a', 2), (child', 1), (,', 3), (And', 1), (he', 1), (laughing', 1), (said', 1), (to', 1), (me', 1), (:', 1), (``', 1)]Distribution de fréquence conditionnelle
La distribution de fréquence conditionnelle est utilisée lorsque nous voulons compter des mots répondant à des critères spécifiques satisfaisant un ensemble de texte.
import nltk
#from nltk.tokenize import word_tokenize
from nltk.corpus import brown
cfd = nltk.ConditionalFreqDist(
(genre, word)
for genre in brown.categories()
for word in brown.words(categories=genre))
categories = ['hobbies', 'romance','humor']
searchwords = [ 'may', 'might', 'must', 'will']
cfd.tabulate(conditions=categories, samples=searchwords)Lorsque nous exécutons le programme ci-dessus, nous obtenons la sortie suivante -
may might must will
hobbies 131 22 83 264
romance 11 51 45 43
humor 8 8 9 13