一、NLTK频率分布类中定义的函数
用法 含义
fdist = FreqDist(sample) 创建包含给定样本的频率分布
fdist.inc(sample) 增加样本
fdist['monstrous'] 计数给定样本出现的次数
fdist.freq('monstrous') 给定样本的频率
fdist.N() 样本总数
fdist.keys() 以频率递减顺序排列的样本链表
for sample in fdist: 以频率递减顺序遍历样本
fdist.max() 数值最大的样本
fdist.tabulate() 绘制频率分布表
fdist.plot() 绘制频率分布图
fdist.plot(cumulative=True) 绘制累积频率分布图
fdist1<fdist2 测试样本在fdist1中出现的频率是否小于fdist2
Note:fdist类似于字典 key-value
二、词汇比较相关函数
函数用法 含义
s.startswith(t) 测试s是否以t开头
s.endswith(t) 测试s时候以t结尾
t in s 测试t是否包含于s
s.islower() 判断s中的字符是否都是小写字母
s.isupper() 判断s中的字符是否都是大写字母
s.isalpha() 判断s中的字符是否都是字母
s.isalnum() 判断s中的字符是否都是字母或数字
s.isdigit() 判断s中的字符是否都是数字
s.istitle() 判断s中的字符是否都是首字母大写
Note:函数返回类型都为True or false
三、NLTK中定义的基本语料库函数
函数 描述
fileids() 语料库中的文件
fileids([categories]) 语料库中对应分类的文件
categories() 语料库中的分类
categories([fileids]) 文件对应的语料库中的分类
raw() 语料库的原始内容
raw(fileids=[f1,f2,f3]) 指定文件的原始内容
raw(categories=[c1,c2]) 指定分类的原始内容
sents() 指定分类中的句子
sents(fileids=[f1,f2,f3]) 指定文件中的句子
sents(categories=[c1,c2]) 指定分类中的句子
abspath(fileid) 指定文件在磁盘中的位置
encoding(fileid) 返回文件的编码
open(fileid) 打开指定语料库文件的文件流
root() 到本地安装的语料库根目录的路径
readme() 语料库的readme内容
四、NLTK中的条件频率分布相关函数
用法 描述
cfdist=ConditionalFreqDist(pairs) pairs为一个配对链表,以此来创建条件频率分布
cfdist.conditions() 将条件按字母排序来分类
cfdist[condition] 此条件下的频率分布
cfdist[condition][sample] 此条件下给定样本的频率
cfdist.tabulate() 为条件频率分布制表
cfdist.tabulate(samples,conditions) 在指定样本和条件限制下制表
cfdist.plot() 为条件频率分布绘图
cfdist.plot(samples,conditions) 在指定样本和条件下绘图
cfdist1 <cfdist2 测试样本在cfdist1中出现次数是否小于在cfdist2中出现的次数