質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.61%

  • Python

    7468questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

nltkのplotとkeysについて

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 239

kohekoh

score 106

nltkで形態素解析をしています

その際に文章中によく含まれる単語に分布をみるplotと
頻出単語をリストにするkeys()を用いています

plotの分布とkeysで出力したものは同じものが上位にくると
思っているのですが
異なる結果が表示されます

異なる結果がでてもいいものなのでしょうか

ちなみに、あまりこのグラフの見方がわかっていません
左側のほうが頻度の高い単語のようですが
累積カウントだとカウント数が一番すくないと思ってしまいます

どのように見ればよいのかもおしえていただけるとありがたいです

#docは文章

symbols = ["'", '"', '`', '.', ',', '-', '!', '?', ':', ';', '(', ')']
stopwords = nltk.corpus.stopwords.words('english')
tokens = word_tokenize(str(doc))
text = nltk.Text(tokens)
ff = nltk.FreqDist(w.lower() for w in text if w.lower() not in stopwords + symbols)
print(list(ff.keys())[:100])
ff.plot(100, cumulative = True)

(図が小さいですが、拡大してみてもらえると幸いです)
イメージ説明

イメージ説明

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

nltkは使ったことがないので、もし見当違いのことを言っていたらすみません。


異なる結果がでてもいいものなのでしょうか

nltk.FreqDistは、collections.Counterを継承しているようです。
なお、リファレンスではCounterを次のように解説しています。(太字は引用者)

Counter はハッシュ可能なオブジェクトをカウントする dict のサブクラスです。これは、要素を辞書のキーとして保存し、そのカウントを辞書の値として保存する、順序付けされていないコレクションです。カウントは、0 や負のカウントを含む整数値をとれます。 Counter クラスは、他の言語のバッグや多重集合のようなものです。

この説明を見る限り、keysが返す値の順序に意味はありません。
頻度の高い順にリストを受け取りたい場合、Counter.most_commonが適当でしょう。


左側のほうが頻度の高い単語のようですが
累積カウントだとカウント数が一番すくないと思ってしまいます

累積なのですから、必ず単調増加のグラフになるのでは。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.61%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    7468questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。