Question

我正在尝试使用python按字母顺序排列一系列bigrams元组。我的输出现在看起来像这样：

('hello', 'how')
('how', 'are')
('are', 'you')
('you', '?')
('Are', 'you')
('you', 'okay')
('okay', '?')

我希望输出看起来像这样，按字母顺序排列，每个二元组只出现一次，最好是频率计数：

('are', 'you'), 2
('hello', 'how'), 1
('how', 'are'), 1
('okay', '?'), 1
('you', 'okay'), 1
('you', '?'), 1

我的代码如下所示：

def bigram(x):
    with open (x, 'r', encoding='utf-8') as f:
        mylist = f.read()
        n = 2
        grams = ngrams(nltk.word_tokenize(mylist), n)
        for bigrams in grams:
            return bigrams

我真的很感激一些帮助，谢谢！

Answer 1

您需要执行几个步骤（阅读grams后）：

首先，小写一切以轻松找到双打：

grams = [ (a.lower(), b.lower()) for (a, b) in grams ]

其次，将grams分组并计算它们：

import collections
counted = collections.Counter(grams)

第三，对计算的东西进行排序：

for gram, count in sorted(counted.items()):
    print gram, count

Answer 2

首先，您必须将所有数据设为小写：

L = [('hello', 'how'), ('how', 'are'), ('are', 'you') ,('you', '?'), ('Are', 'you') ,('you', 'okay') ,('okay', '?')]
L = [tuple(s.lower() for s in x) for x in L]

然后计算频率：

import collections
counter=collections.Counter(L)

然后你可以对此进行排序：

print(collections.OrderedDict(sorted(counter.items())))
#OrderedDict([(('are', 'you'), 2), (('hello', 'how'), 1), (('how', 'are'), 1), (('okay', '?'), 1), (('you', '?'), 1), (('you', 'okay'), 1)])

Answer 3

查看Counter和sorted。使用计数器计算每个双字母组的出现次数，并使用sorted对按字母顺序排列bigrams和对应的countd。

按字母顺序排序元组

3 个答案: