Question

我是Python的新手，我在下面使用NLTK（在IDLE中）遇到了一个代码示例：

>>> letters = nltk.FreqDist('ageqwst')
>>> words = nltk.corpus.words.words()
>>> [word for word in words if nltk.FreqDist(word) <= letters]

，生成的输出显示可以使用letters中的字符生成的单词。

我想知道nltk.FreqDist(word) <= letters部分如何运作。

我查了NLTK documentation on FreqDist并找不到令人满意的答案。我发现type(letters)返回了一个nltk.probability.FreqDist类的对象，我想知道这个对象在Python中是如何工作的。

Python是否也有像JAVA compareTo那样可覆盖的方法？

谢谢，

Answer 1

FreqDist.__init__(samples)构造函数创建dict其中，

key = sample
value =样本的计数（频率）

所以在你的情况下：

nltk.FreqDist('ageqwst')
<FreqDist: 'a': 1, 'e': 1, 'g': 1, 'q': 1, 's': 1, 't': 1, 'w': 1>

然后在您的list comprehension声明中

[word for word in words if nltk.FreqDist(word) <= letters]

它为语料库中的每个单词执行相同的操作，因此它现在有两个FreqDist 词典，它可以与您的if子句进行比较。给定运算符<=，它正在寻找频率小于/等于（duh）样本中的单词letters的单词。这里要注意的重要一点是小于的作品。这允许它跳过我们的样本不包含的单词中的字母。

因此，如果我们将运算符更改为显式，

[word for word in words if nltk.FreqDist(word) == letters]

它将返回一个空列表，因为所提供的语料库中没有单词出现任何样本的单词，＆＃39; ageqwst＆＃39;。

以此声明为例：

words = nltk.corpus.words.words()
foo = nltk.FreqDist('foo')

print [word for word in words if nltk.FreqDist(word) <= foo]
>>> ['f', 'foo', 'o', 'of', 'of']

这里没有任何惊喜，我们也看到原始样本（＆＃39; foo＆＃39;）也出现在列表中，所以如果我们将运算符更改为显式，

print [word for word in words if nltk.FreqDist(word) == foo]
>>> ['foo']

我们得到一个唯一一个与我们的样本分布完全相同的单词列表。

最后一个例子：

words = nltk.corpus.words.words()
bar = nltk.FreqDist('bar')

print [word for word in words if nltk.FreqDist(word) <= bar]
>>> ['a', 'ar', 'b', 'ba', 'bar', 'bra', 'r', 'ra', 'rab', 'a']

我们仍然看到我们的示例（＆＃39; bar＆＃39;）出现在列表中，然而，还有另外两个单词具有与我们相同的样本分布，所以如果我们，

print [word for word in words if nltk.FreqDist(word) == bar]
>>> ['bar', 'bra', 'rab']

我们仍然可以获得原始样本（＆＃39; bar＆＃39;）以及另外两个样本迭代，＆＃39; bra＆＃39;和＆＃39; rab＆＃39;。这突出了样本的顺序无关紧要的事实，这与python mapping types的行为一致。

我强烈建议您通读NLTK Book。是的，它很长，是的，它有时很干，但它涉及不同模块的许多理论和方法。因此，基于您问题中的阴谋水平，我认为您会发现它具有洞察力。

Answer 2

基本上我们得到一个dictionary，每个字符作为键，并且单词中该特定字母的计数（频率）作为值。如果我们有：

fdist = nltk.FreqDist('abcdefg')

我们会得到：

FreqDist({'a': 1, 'b': 1, 'c': 1, 'd': 1, 'e': 1,'f': 1, 'g': 1})

所以，每封信只出现一次。接下来如果我们使用：

wordlist = nltk.corpus.words.words()

我们将获得整个单词语料库与我们的示例fdist字典进行比较。现在如果写下这个List Comprehension：

[w for w in wordlist if nltk.FreqDist(w) <= fdist]

我们会在字母“abcdefg”中出现不同字母组合的大量字词，每个字母的出现频率不超过字典fdist中给出的频率。输出格式为：

['a','abed','ace','ad','ade','ae','age','aged','b','ba','bac','bad','bade',...]

NLTK FreqDest对象比较

2 个答案: