Python 打印条件频率分布时以百分比格式显示y轴
在为文本语料库中的某组单词绘制条件频率分布时,y轴显示为计数,而不是百分比 我遵循Steven Bird、Ewan Klein和Edward Loper在《Python自然语言处理》中概述的代码,在Jupyter笔记本中显示UDHR不同语言的单词频率分布Python 打印条件频率分布时以百分比格式显示y轴,python,matplotlib,nltk,Python,Matplotlib,Nltk,在为文本语料库中的某组单词绘制条件频率分布时,y轴显示为计数,而不是百分比 我遵循Steven Bird、Ewan Klein和Edward Loper在《Python自然语言处理》中概述的代码,在Jupyter笔记本中显示UDHR不同语言的单词频率分布 from nltk.corpus import udhr languages = ['Chickasaw', 'English', 'German_Deutsch', 'Greenlandic_Inuktikut', 'Hungarian_Ma
from nltk.corpus import udhr
languages = ['Chickasaw', 'English', 'German_Deutsch', 'Greenlandic_Inuktikut', 'Hungarian_Magyar', 'Ibibio_Efik']
cfd = nltk.ConditionalFreqDist((lang, len(word)) for lang in languages\
for word in udhr.words(lang + '-Latin1'))
cfd.plot(cumulative = True)
我希望y轴显示累计百分比(如书中所示),但y轴显示的是累计计数。
请建议如何将y轴转换为累计百分比。以下是一个解决方案,它将提供您所需的输出:
inltk.download('udhr')
import pandas as pd
from nltk.corpus import udhr
languages = ['Chickasaw', 'English', 'German_Deutsch', 'Greenlandic_Inuktikut', 'Hungarian_Magyar', 'Ibibio_Efik']
cfd = nltk.ConditionalFreqDist(
(lang, len(word))
for lang in languages
for word in udhr.words(lang + '-Latin1'))
def plot_freq(lang):
max_length = max([len(word) for word in udhr.words(lang + '-Latin1')])
eng_freq_dist = {}
for i in range(max_length + 1):
eng_freq_dist[i] = cfd[lang].freq(i)
ed = pd.Series(eng_freq_dist, name=lang)
ed.cumsum().plot(legend=True, title='Cumulative Distribution of Word Lengths')
然后,我们可以使用此新函数绘制示例中提供的所有语言:
for lang in languages:
plot_freq(lang)
在这篇文章中,我们将讨论第2章中的例子