将NLTK的条件频率分布转换为Pandas数据框

Question

我正在尝试使用nltk生成的ConditionalFreqDist表格，但找不到任何关于如何将这个表格写入csv文件或导出到其他格式的文档。我希望能把它放到pandas的数据框中，这样写入csv就很简单了。我找到的唯一一个讨论建议将CFD对象进行序列化，但这并没有真正解决我的问题。

我写了一个函数，用来把nltk的ConditionalFreqDist对象转换成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

不过，如果我要这样做，或许直接写一个新的ConditionalFreqDist函数，让它一开始就生成pd.DataFrame会更合理。但在我重新发明轮子之前，我想看看是否有我遗漏的技巧——无论是在NLTK还是其他地方，让ConditionalFreqDist对象能够与其他格式对接，最重要的是能导出到csv文件。

谢谢。

Answer 1

你可以把 FreqDist 当作一个字典来使用，然后可以通过 from_dict 方法从这个字典创建一个数据框。

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(...)

输出结果：

                      Frequency
Term
is                    70464
a                     26429
the                   15079

Answer 2

当然可以！请看下面的内容：

在编程中，有时候我们需要让程序在特定的条件下执行某些操作。比如说，如果你想让程序在某个数字大于10的时候，显示“这个数字很大”，你就需要用到条件判断。

条件判断就像是在问一个问题：如果这个条件成立，那么就做某件事情。就像你在生活中会问：“如果今天下雨，我要不要带伞？”如果答案是“是”，那么你就会带伞；如果答案是“否”，你就不带。

在代码里，这种判断通常用“if”语句来实现。你可以把它想象成一个开关，只有在条件满足的时候，开关才会打开，程序才会执行你想要的操作。

希望这个解释能帮助你更好地理解条件判断的概念！

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

Answer 3

好的，我写了一个条件频率分布的函数，它接收一个元组的列表，类似于 nltk.ConditionalFreqDist 函数，但返回的是一个 pandas 数据框对象。这个方法比把 cfd 对象转换成数据框要快。

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)