es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

  • es.davy.ai/
  • Programación /
  • ¿Cómo encontrar una lista de palabras en un corpus utilizando NLTK? No puedo encontrar la frecuencia de las palabras.

¿Cómo encontrar una lista de palabras en un corpus utilizando NLTK? No puedo encontrar la frecuencia de las palabras.

11 Jun, 2023 Programación

He descargado un corpus y tokenizado las palabras. Tengo una lista de los personajes principales y quiero saber cuántas veces aparece cada nombre en el corpus. He intentado usar una función de frecuencia con un diccionario, pero no sé cómo obtener el recuento de nombres.

targeturl0 = ‘http://www.gutenberg.org/files/135/135-0.txt’
bookraw = urlopen(targeturl0).read().decode(‘utf-8’)
wordtokens = wordtokenize(bookraw)

character_list = [‘Myriel’,’Bishop’,’Baptistine’,’Magloire’,’Cravatte’,’Valjean’,’Gervais’,’Fantine’,’Tholomyès’
,’Blachevelle’,’Dahlia’,’Fameuil’,’Favourite’,’Listolier’,’Zéphine’,’Cosette’,’Thénardier’,
‘Éponine’,’Azelma’,’Javert’,’Fauchelevent’,’Bamatabois’,’Champmathieu’,
‘Brevet’,’Simplice’,’Chenildieu’,’Cochepaille’,’Innocente’,’Reverend’,’Ascension’,’Crucifixion’,
‘Gavroche’,’Magnon’,
‘Gillenormand’,’Marius’,’Colonel’,’Mabeuf’,’Enjolras’,’Combeferre’,’Prouvaire’,
‘Feuilly’,’Courfeyrac’,’Bahorel’,’Lesgle’,’Joly’,’Grantaire’,’Patron-Minette’,’Brujon’,
‘Toussaint’]

fdistmis = FreqDist(wordtokens)

filteredwordfreq = dict((characterlist, freq) for characterlist, freq in fdist_mis.items())

Cuando exploro filteredwordfreq, solo devuelve todos los tokens de palabras en lugar de un diccionario de personajes únicos y sus ocurrencias. ¿Alguna ayuda? Muchas gracias.

Tags:  ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Para obtener un diccionario de los caracteres únicos y sus ocurrencias, es necesario iterar a través de la variable character_list y obtener la frecuencia de cada carácter utilizando el objeto fdist_mis.

    Así es como puede modificar su código para lograr esto:

    fdist_mis = FreqDist(word_tokens)

filtered_word_freq = {}
for character in character_list:
    if character in fdist_mis:
        filtered_word_freq[character] = fdist_mis[character]

print(filtered_word_freq)

    Este código creará un diccionario vacío filtered_word_freq, iterará a través de la variable character_list y comprobará si cada carácter existe en el objeto fdist_mis. Si existe, agregará el carácter y su frecuencia al diccionario filtered_word_freq. Finalmente, imprimirá el diccionario que contiene los caracteres únicos y sus ocurrencias.

Comments are closed.