Question

我的情况很糟糕。我需要编写一些东西，这比我的能力要高。

我收到了一个包含10k字的文本，该文件被调用（test_file.txt）。我对你们的问题是：如何让我的程序计算每个单词和每个单词，这样我就可以计算单词的概率，看看哪个单词和字母最多。

我知道这是字符串，我现在所做的就是：

import codecs
import sys
import random

fh = codecs.open("test_file.txt", encoding="utf-8")

fh.close()

omega = {'a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z','A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'}

def Markov(text_file):
    with open("test_file.txt") as t:
        text = t.read()

    text = [' '.join(data.split(' ')) if i !=''] 
    text = [i.lower() for i in data if i.isalpha()]

    chains = {i:[] for i in data}

这是正确的吗？

我需要你的帮助。

Answer 1

两件事：

这与Markov Chains无关。在所有。
Python实际上有一些非常好的内置函数可以使这个或多或少变得微不足道。

我不会用勺子喂一个答案，但我不想让你高高在上。要点是，根据您的具体情况，可以使用Counter中的python对象在几行中完成此操作。

from collections import Counter

text = open("test_file.txt").read().lower()
letter_freqs = Counter(text)

word_freqs = Counter(text.split())

根据您正在寻找的最终结果，这可能会或可能不够，但这应该让您足够远，其余部分应该非常简单。

文本文件概率计算（马尔可夫链） - Python

1 个答案: