python nltk自然语言处理学习笔记2

基础语法

搜索文本----词语索引使我们看到词的上下

text1.concordance("monstrous")

词出现在相似的上下文中

text1.similar("monstrous")

函数common_contexts允许我们研究两个或两个以上的词共同的上下文

text2.common_contexts(["monstrous", "very"])

以判断词在文本中的位置,用离散图表示  ,每一个竖线代表一个单词，每一行代表整个文本

text4.dispersion_plot(["citizens", "democracy", "freedom", "duties", "America"])

不同风格产生一些随机文本

text3.generate()

获取文本长度

len(text3)

获得text3 的词汇表（set为集合，元素不可重复）

set(text3)

得到一个词汇项的排序表(排序表中大写字母出现在小写字母之前)

sorted(set(text3))

了每个字平均被使用次数（使用的是浮点除法）

from __future__ import division

len(text3) / len(set(text3))

计数一个词在文本中出现的次数，计算一个特定的词在文本中占据的百分比。

text3.count("smote")

100 * text4.count('a') / len(text4)

了每个字平均被使用次数（函数）

def lexical_diversity(text):

return len(text) / len(set(text))

百分比

def percentage(count, total):

return 100 * count / total

链表（list，也叫列表）（nltk.book 已经为你定义了一些链表 sent2~sent9)

sent1 = ['Call', 'me', 'Ishmael', '.']

对链表使用Python 加法运算----连接----它将多个链表组合为一个链表

['Monty', 'Python'] + ['and', 'the', 'Holy', 'Grail']

sent4 + sent1

向链表中增加一个元素----追加

sent1.append("Some")

索引列表(索引从零开始)

text4[173]

获取子链表----切片

text5[16715:16735]

切片5:8 包含索引5，6 和7    m:n 表示元素m...n-1

sent = ['word1', 'word2', 'word3', 'word4', 'word5','word6', 'word7', 'word8', 'word9', 'word10']

sent[5:8]

如果切片从链表第一个元素开始，我们可以省略第一个数字；如果切片到链表最后一个元素处结尾，我们可以省略第二个数字：

sent[:3]

text2[141525:]

从倒数第二个开始到最后

tokens[-2:]

通过指定它的索引值来修改链表中的元素

sent = ['word1', 'word2', 'word3', 'word4', 'word5','word6', 'word7', 'word8', 'word9', 'word10']

sent[0] = 'First'

也可以用新内容替换掉一整个片段

sent[1:9] = ['Second', 'Third']

字符串(切片，乘法，加法，连接，分割)

name = 'Monty'

name[0]

name[:4]

name * 2

name + '!'

' '.join(['Monty', 'Python'])

'Monty Python'.split()