NLTK ConditionalFreqDist至Pandas数据框

Question

我正在尝试使用nltk.ConditionalFreqDist生成的表，但是我似乎找不到任何有关将表写入csv文件或导出为其他格式的文档。我很乐意在pandas数据框对象中使用它，这实际上也很容易写入到csv中。我能找到的唯一建议的方法是腌制CFD对象，但这并不能真正解决我的问题。

我编写了以下函数，将nltk.ConditionalFreqDist对象转换为pd.DataFrame：

def nltk_cfd_to_pd_dataframe(cfd):
    """ Converts an nltk.ConditionalFreqDist object into a pandas DataFrame object. """

    df = pd.DataFrame()
    for cond in cfd.conditions():
        col = pd.DataFrame(pd.Series(dict(cfd[cond])))
        col.columns = [cond]
        df = df.join(col, how = 'outer')

    df = df.fillna(0)

    return df

但是，如果要执行此操作，也许只需要编写一个新的ConditionalFreqDist函数，该函数首先生成pd.DataFrame便有意义。但是在我重新发明轮子之前，我想看看我是否缺少任何技巧-在NLTK或其他地方，可以使ConditionalFreqDist对象与其他格式对话，最重要的是将其导出到csv文件中。

谢谢。

Answer 1

您可以将 FreqDist 视为 dict，并使用 from_dict 从那里创建数据帧

fdist = nltk.FreqDist( ... )    
df_fdist = pd.DataFrame.from_dict(fdist, orient='index')
df_fdist.columns = ['Frequency']
df_fdist.index.name = 'Term'
print(df_fdist)
df_fdist.to_csv(...)

输出：

                      Frequency
Term
is                    70464
a                     26429
the                   15079

Answer 2

pd.DataFrame(freq_dist.items(), columns=['word', 'frequency'])

Answer 3

好的，所以我继续编写了一个条件频率分布函数，该函数采用像该函数一样的元组列表nltk.ConditionalFreqDist，但返回 pandas Dataframe 对象。比将 cfd 对象转换为数据帧更快：

def cond_freq_dist(data):
    """ Takes a list of tuples and returns a conditional frequency distribution as a pandas dataframe. """

    cfd = {}
    for cond, freq in data:
        try:
            cfd[cond][freq] += 1
        except KeyError:
            try:
                cfd[cond][freq] = 1
            except KeyError:
                cfd[cond] = {freq: 1}

    return pd.DataFrame(cfd).fillna(0)