wwii

由于某种原因,最后的总结不起作用

要修复原始解决方案,请执行以下操作:

• 如果字典中没有密钥,请使用 d[key] = [value] 而不是 d[key] = [key] 那你就不需要了 val = [val.pop(0) for k,val in d.items()]

• 如果键在字典中,则将该值附加到 else 条款

  for key, value in new_list:
      if key not in d:
          d[key] = [value]
      else:
          d[key].append(value)
  

当您将电子邮件地址拆分为 '@' 你会得到两个项目列表:

In [3]: 'image001.png@01D36CD8.2A2219D0'.split('@')
Out[3]: ['image001.png', '01D36CD8.2A2219D0']

如果你想检查 域 索引结果的第二项:

In [4]: q = 'image001.png@01D36CD8.2A2219D0'.split('@')

In [5]: q[1]
Out[5]: '01D36CD8.2A2219D0'

所以你的for循环更像是:

In [9]: for thing in match:
   ...:     domain = thing.split('@')[1]
   ...:     print(domain)
   ...:     
01D36CD8.2A2219D0
countable.us
gmail.com

num = 5
y[ :, num ]= 1

假设它是一个Numpy ndarray(或使用相同符号的等价物):它指定 1 到第六项的每一项 柱 .

第一个维度的冒号指定第一个维度中的所有项(索引)。单一价值( num )对于第二个维度,指定 系列 (或顺序)。在二维数组中,第一维被认为是 排 第二维度是 柱 .

Indexing, Slicing and Iterating
Basic Slicing and Indexing

那么,我怎样才能将一个单词的出现与它在一个段落中的实例联系起来,从而产生上面所期望的结果呢?

将过程分成两部分:查找段落和查找单词

from nltk.tokenize import RegexpTokenizer
import re, collections

p = r'<P ID=\d+>(.*?)</P>'
paras = RegexpTokenizer(p)
words = RegexpTokenizer(r'\w+')

解析时保留两个词典:一个用于收集频率,一个用于文档频率。

col_freq = collections.Counter()
doc_freq = collections.Counter()

遍历段落;获取段落中的单词;将单词输入col_freq dict,并将一组单词输入doc_freq dict

for para in paras.tokenize(text):
    tokens = [word.lower() for word in words.tokenize(para)]
    col_freq.update(tokens)
    doc_freq.update(set(tokens))

把这两本词典结合起来。

d = {word:(col_freq[word], doc_freq[word]) for word in col_freq}

有一些效率低下-分析文本两次-但它可以调整,如果它成为一个问题。

RegexpTokenizer 真的没有什么比 re.findall() 在这种情况下,但是 兽皮 一些细节,使这个不那么冗长,所以我用了它。

有时 re 不能很好地处理格式错误的标记。分析段落可以用BeautifulSoup完成。

from bs4 import BeautifulSoup
soup = BeautifulSoup(text,"html.parser")
for para in soup.find_all('p'):
    tokens = [word.lower() for word in words.tokenize(para.text)]
    print(tokens)
##    col_freq.update(tokens)
##    doc_freq.update(set(tokens))

你在用户的回复中列出了一个列表

In [26]: data = [input("Please enter sentence\n")]

Please enter sentence
You are Jason

In [27]: data
Out[27]: ['You are Jason']

列表中没有 lower 方法。
首先获取用户的响应并将其转换为小写。

In [28]: data = input("Please enter sentence\n")

Please enter sentence
You are Jason

In [29]: data
Out[29]: 'You are Jason'

In [30]: data = data.lower()

In [31]: data
Out[31]: 'you are jason'

然后 split the string 在空白处获取单个单词的列表。

In [32]: data = data.split()

In [33]: data
Out[33]: ['you', 'are', 'jason']