Nlp NLTK FREKDIST：获取集合中填充的总频率计数

作为NLP的新手，我使用FreqDist内置函数构建了一个双随机数频率列表。虽然有一组字母的频率计数，但我想用一个起始填充来计算概率

因为

没有单克计数。是否有任何内置函数可用于计算集合的第一个字母与

匹配的频率

例如，我有一个带有计数的字母表对列表：

[（（“”，'n'），100），（（“”，'a'），100）]

。

''

的总计数为2

我的目标是计算等于

count（“”，'n'））/count（“”）

，等于1/2的概率

from nltk.util import ngrams, pad_sequence
from collections import Counter

bigram_total_word = FreqDist()

for word in training_set:
    word_with_padding = pad_sequence(word, 2, pad_left = True, left_pad_symbol='<s>')
    bigram = ngrams(word_with_padding,n=2)
    bigram_total_word = bigram_total_word + FreqDist(list(bigram))

print(bigram_total_word.most_common(30))
[(('i', 'n'), 6692), (('e', 'r'), 5676), (('e', 's'), 4528), (('e', 'd'), 4415), (('<s>', 's'), 4371), (('t', 'i'), 4357), (('o', 'n'), 4346), (('r', 'e'), 4181), (('t', 'e'), 3941), (('n', 'g'), 3847), (('<s>', 'c'), 3729), (('e', 'n'), 3659), (('a', 't'), 3586), (('a', 'n'), 3523), (('s', 't'), 3213), (('l', 'e'), 3207), (('<s>', 'p'), 2995), (('a', 'l'), 2949), (('a', 'r'), 2909), (('r', 'a'), 2870), (('r', 'i'), 2781), (('n', 't'), 2751), (('o', 'r'), 2589), (('l', 'i'), 2576), (('<s>', 'a'), 2521), (('i', 's'), 2521), (('<s>', 'b'), 2387), (('d', 'e'), 2369), (('<s>', 'd'), 2337), (('c', 'o'), 2290)]

从nltk.util导入ngrams，pad_序列
从收款进口柜台
bigram\u total\u word=FreqDist（）
对于训练集中的word：
带填充的单词=填充顺序（单词，2，填充左=真，左填充符号=“”）
bigram=ngrams（带填充的单词，n=2）
bigram_total_word=bigram_total_word+FreqDist（列表（bigram））
打印（大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字、大字）
（五，“e”、“s”的）、4528、（（“e”、“d”的）、4415、（（（“这些”的）、4415、、（（“s”的）、4415、、（（（“我”、“n’）、第6692、6692）、6692、6692、6692、（（（“我”、“我”、“我”、“n’，、6692）、6692、（（（（（（“e”、“r”、“r”、“r”、“r’、）、5676）、5676）、5676）、5676）、5676）、5676）、5676、（（（（（（（（（（（（（（（（（（（（（（''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''l'），2949），（‘a’，‘r’，‘2909），（‘a’，‘2870），（‘r’，‘i’，‘2781），（‘n’，‘t’，‘2751），（‘o’，‘r’，‘2589），（‘l’，‘i’，‘2576），（‘a’，‘2521），（‘i’，‘s’，‘2521），（‘b’，‘2387），（‘d’，‘e’，‘2369），（‘d’，‘d’，‘2337），（‘c’，‘o’，‘2290）

你能澄清一下你所说的

计数一组字母中第一个字母出现的频率是什么意思吗。你能分享一个你期望的输出的例子吗？谢谢你的回复，我已经添加了一个例子。你可以使用这样的列表理解：
len（[ngram代表ngram，用bigram计算总数。如果ngram中的“”最常见（30））
。这将计算包含“”的ngram的数量。@ygorg感谢您提供列表理解解决方案！我以前从没想过。祝您有个美好的一天。