Python：如何计算NLTK语料库中最常用的X词？

Question

我不确定我是否已正确理解FreqDist函数如何在Python上运行。当我按照教程进行操作时，我会相信以下代码构造给定单词列表的频率分布并计算最常用的x个单词。 （在下面的示例中，将语料库设为NLTK语料库，将文件作为该语料库中文件的文件名）

words = corpus.words('file.txt')
fd_words = nltk.FreqDist(word.lower() for word in words)
fd_words.items()[:x]

但是，当我在Python上执行以下命令时，似乎另有建议：

>>> from nltk import *
>>> fdist = FreqDist(['hi','my','name','is','my','name'])
>>> fdist
FreqDist({'my': 2, 'name':2, 'is':1, 'hi':1}
>>> fdist.items()
[('is',1),('hi',1),('my',2),('name',2)]
>>> fdist.items[:2]
[('is',1),('hi',1)]

fdist.items（）[：x]方法实际上是返回x个最不常见的单词？

有人可以告诉我，如果我做错了，或者错误在于我正在关注的教程吗？

Answer 1

默认情况下，FreqDist未排序。我认为您正在寻找most_common方法：

from nltk import FreqDist
fdist = FreqDist(['hi','my','name','is','my','name'])
fdist.most_common(2)

返回：

[('my', 2), ('name', 2)]