【gensim--dictionary】使用方法

1. import jieba, os  
2. import codecs  
3. from gensim import corpora, models, similarities  
4. from pprint import pprint  
5. from collections import defaultdict  
6. import sys  
7. import pickle  
8. reload(sys)  
9. sys.setdefaultencoding('utf-8')  
10.   
11. def print_dict(dict):  
12.     for key in dict:  
13.         print type(key),key,str(dict[key]),  
14.     print  
15. def test3():  
16.     ''''''' 
17.     gensim学习之Dictionary 
18.     '''  
19.     a = [['一','一','二'],['一','二','三']]  
20.     b = ['一','一','三','四','四']  
21.     dictionary = corpora.Dictionary(a)  
22.     print "########dictionary信息##########"  
23.     print str(dictionary) #  
24.     print "字典，{单词id，在多少文档中出现}"  
25.     print dictionary.dfs #字典，{单词id，在多少文档中出现}  
26.     print "文档数目"  
27.     print dictionary.num_docs #文档数目  
28.     print "dictionary.items()"  
29.     print_dict(dict(dictionary.items())) #  
30.     print "字典，{单词id，对应的词}"  
31.     print_dict(dictionary.id2token) #字典，{单词id，对应的词}  
32.     print "字典，{词，对应的单词id}"  
33.     print_dict(dictionary.token2id) #字典，{词，对应的单词id}  
34.     print "所有词的个数"  
35.     print dictionary.num_pos #所有词的个数  
36.     print "每个文件中不重复词个数的和"  
37.     print dictionary.num_nnz #每个文件中不重复词个数的和  
38.     print "########doc2bow##########"  
39.     #dictionary.add_documents([b])  
40.     #allow_update->更新当前字典；return_missing->返回字典中不存在的词  
41.     #result为b文章转换得到的词袋，列表[(单词id，词频)]  
42.     result, missing = dictionary.doc2bow(b, allow_update=False, return_missing=True)  
43.     print "词袋b，列表[(单词id，词频)]"  
44.     print result  
45.     print "不在字典中的词及其词频，字典[(单词，词频)]"  
46.     print_dict(missing)  
47.     print "########bow信息##########"  
48.     for id, freq in result:  
49.         print id, dictionary.id2token[id], freq  
50.     print "########dictionary信息##########"  
51.     #过滤文档频率大于no_below，小于no_above*num_docs的词  
52.     dictionary.filter_extremes(no_below=1, no_above=0.5, keep_n=10)  
53.   
54.     return  
55.   
56. test3()