以下代码应该创建频率分布的新(修改)版本(nltk.FreqDist).两个变量应该是相同的长度.
当创建单个WebText实例时,它可以正常工作.但是当创建多个WebText实例时,新变量似乎被所有对象共享.
例如:
import nltk
from operator import itemgetter
class WebText:
freq_dist_weighted = {}
def __init__(self, text):
tokens = nltk.wordpunct_tokenize(text) #tokenize
word_count = len(tokens)
freq_dist = nltk.FreqDist(tokens)
for word,frequency in freq_dist.iteritems():
self.freq_dist_weighted[word] = frequency/word_count*frequency
print len(freq_dist), len(self.freq_dist_weighted)
text1 = WebText("this is a test")
text2 = WebText("this is another test")
text3 = WebText("a final sentence")
结果是
4 4
4 5
3 7
这是不正确的.由于我只是转置和修改值,因此每列中应该有相同的数字.如果我在循环之前重置freq_dist_weighted,它可以正常工作:
import nltk
from operator import itemgetter
class WebText:
freq_dist_weighted = {}
def __init__(self, text):
tokens = nltk.wordpunct_tokenize(text) #tokenize …将浮点数写入CSV会像下面这样写入其中一些:2.0628800997782577e-05
c = csv.writer(open(file, "wb"))
c.writerow([var1, var2])
我尝试过的:
这使得以后很难处理excel中的输出,因为它被识别为文本而不是数字.如何以非科学的十进制表示法打印？
如何按列切割numpy数组,并排除特定行？
想象一下,你有一个numpy数组,其中第一列作为"玩家"的索引,接下来的列是不同游戏中的玩家得分.如何排除游戏的分数,同时排除一名玩家.
例如:
[0 0 0 0
1 2 1 1
2 -6 0 2
3 4 1 3]
如果你想返回第一个分数(第1列),你会这样做:
>>score[:,1]
[0,2,-6,4]
但是如何排除玩家/排？如果那个玩家/第3行,你怎么得到:
[0,2,-6]
或者,如果该玩家/第1行,你如何得到:
[0,-6, 4]
如果你有一个稀疏矩阵X:
>> print type(X)
<class 'scipy.sparse.csr.csr_matrix'>
...如何将每行中每个元素的平方相加,并将它们保存到列表中？例如:
>>print X.todense()
[[0 2 0 2]
[0 2 0 1]]
如何将其转换为每行的平方和列表:
[[0²+2²+0²+2²]
[0²+2²+0²+1²]]
要么:
[8, 5]
如何迭代一组对象以最有效的方式找到它们的平均值？这只使用一个循环(除了Numpy中的循环),但我想知道是否有更好的方法.目前,我这样做:
scores = []
ratings= []
negative_scores = []
positive_scores = []
for t in text_collection:
scores.append(t.score)
ratings.append(t.rating)
if t.score < 0:
negative_scores.append(t.score)
elif t.score > 0:
positive_scores.append(t.score)
print "average score:", numpy.mean(scores)
print "average rating:", numpy.mean(ratings)
print "average negative score:", numpy.mean(negative_scores)
print "average positive score:", numpy.mean(positive_scores)
有没有更好的方法呢？
如何在函数定义中的函数输入中传递参数？
例如:
def correlate1(vara1, vara2=vara1*2):
print "test"
返回:
Traceback (most recent call last):
File "test.py", line 321, in <module>
def correlate1(vara1, vara2=vara*2):
NameError: name 'vara1' is not defined
显然,你可以这样做:
def correlate1(vara1, vara2=0):
if vara2==0:
var2=vara1*2
print "test"
但有没有办法在函数定义中做到这一点？
我试图在散点图上绘制线性回归线.我已经研究过它(例如使用matplotlib/numpy进行线性回归),但我的暗示不起作用
x = [-6.0, -5.0, -10.0, -5.0, -8.0, -3.0, -6.0, -8.0, -8.0, 7.5, 8.0, 9.0, 10.0, 7.0, 5.0, 5.0, -8.0, 8.0, 7.0]
y = [-7.094043198985176, -6.1018562538660044, -15.511155265492038, -2.7131460277126984, -8.6127363078417609, -3.1575686002528163, -10.246242711042497, -6.4333658386991992, -16.167988119268013, 2.4709555610646134, 4.5492058088492948, 5.5896790992867942, 3.3824425476540005, -1.8140272426684692, -1.5975329456235758, 5.1403915611396904, -4.4469105070935955, 0.51211850576547091, 5.7059436876065952]
m,b = numpy.polyfit(x,y,1)
plt.plot(x, y, x, m*x+b)
plt.show()
返回:
Traceback (most recent call last):
File "test.py", line 464, in <module>
correlate(trainingSet,trainingSet.trainingTexts)
File "test.py", line 434, in correlate
plt.plot(x, y, x, m*x+b)
File "C:\Python27\lib\site-packages\matplotlib\pyplot.py", …我需要访问这个numpy数组,有时只有最后一列为0的行,有时候最后一列的值为1的行.
y = [0 0 0 0
1 2 1 1
2 -6 0 1
3 4 1 0]
我必须反复这样做,但更愿意回避创建重复的数组或每次都必须重新计算.有什么方法我可以识别相关指数并只是打电话给他们吗？所以我可以这样做:
>>print y[LAST_COLUMN_IS_0]
[0 0 0 0
3 4 1 0]
>>print y[LAST_COLUMN_IS_1]
[1 2 1 1
2 -6 0 1]
PS数组中的列数永远不会改变,它总是有4列.