nltk.ConditionalFreqDist()条件频率分布《python自然语言处理》练习题

布朗语料库是一个研究文体之间的系统性差异（文体学）的资源。

处理布朗语料库的新闻和言情文体，找出一周中最有新闻价值并且最浪漫的日子。

1.合并新闻和言情语料中的单词，统计总频率

import nltk
news_text = brown.words(categories='news')
romance_text = brown.words(categories = 'romance')
text = news_text + romance_text
days = ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'] #用链表存储一星期中每天的名称

cfd = nltk.ConditionalFreqDist(
    (day,'total') #二元组规定了表格的行列
    for day in days
    for word in text
    if word == day #条件，条件是被统计次数的事件
)

cfd.tabulate(conditions = ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'])
#用conditions规定条件的顺序

运行结果：

import nltk
days = ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday']

cfd = nltk.ConditionalFreqDist(
    (day,cat) #列标是天，行标是语料种类
    for day in days
    for cat in ['news','romance']
    for w in brown.words(categories = cat)
    if w == day 
)

cfd.tabulate(conditions = ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'])

运行结果：

周一和周日是最有新闻价值且浪漫的，其中周一更有新闻价值一点，周日更浪漫。