《Python自然語言處理》——1.8 練習

本節書摘來異步社群《python自然語言處理》一書中的第1章，第1.8節，作者：【美】steven bird , ewan klein , edward loper，更多章節内容可以通路雲栖社群“異步社群”公衆号檢視

1．○嘗試使用python解釋器作為一個電腦，輸入表達式，如12/(4+1)。

2．○26個字母可以組成26的10次方或者26**10個10字母長的字元串。也就是141167095653376l（結尾處的l隻是表示這是python長數字格式）。100個字母長度的字元串可能有多少個？

3．○python乘法運算可應用于連結清單。當你輸入['monty', 'python'] 20或者3 sent1會發生什麼？

4．○複習1.1節關于語言計算的内容。在text2中有多少個詞？有多少個不同的詞？

5．○比較表格1-1中幽默和言情小說的詞彙多樣性得分，哪一個文體中詞彙更豐富？

6．○制作《理智與情感》中4個主角：elinor、marianne、edward和willoughby的分布圖。在這部小說中關于男性和女性所扮演的不同角色，你能觀察到什麼？你能找出一對夫妻嗎？

7．○查找text5中的搭配。

8．○思考下面的python表達式：len(set(text4))。說明這個表達式的用途，并且描述在執行此計算中涉及的兩個步驟。

9．○複習1.2節關于連結清單和字元串的内容。

　 a．定義一個字元串，并且将它配置設定給一個變量，如：my_string = 'my string'(在字元串中放一些更有趣的東西）。用兩種方法輸出這個變量的内容，一種是通過簡單地輸入變量的名稱，然後按回車；另一種是通過使用print語句。

　 b．嘗試使用my_string+ my_string或者用它乘以一個數将字元串添加到它自身，例如：my_string* 3。請注意，連接配接在一起的字元串之間沒有空格。怎樣才能解決這個問題？

10．○使用文法my_sent = ["my", "sent"]，定義一個詞連結清單變量my_sent（用自己的詞或喜歡的話）。

　　a．使用' '.join(my_sent)将其轉換成一個字元串。

　　b．使用split()在你指定的地方将字元串分割回連結清單。

11．○定義幾個包含詞連結清單的變量，例如：phrase1、phrase2等。将它們連接配接在一起組成不同的組合（使用加法運算符），最終形成完整的句子。len(phrase1 + phrase2)與len(phrase1) + len(phrase2) 之間的關系是什麼？

12．○考慮下面兩個具有相同值的表達式。哪一個在nlp中更常用？為什麼？

a．"monty python"[6:12]

b．"monty", "python"

13．○我們已經學習了如何用詞連結清單表示一個句子，其中每個詞是一個字元序列。sent12代表什麼意思？為什麼？并嘗試其他的索引值。

14．○在變量sent3中儲存的是text3的第一句話。在sent3中the的索引值是1，因為sent3[1]的值是“the”。sent3中“the”的其他兩種出現的索引值是多少？

15．○複習1.4節讨論的條件語句。在聊天語料庫（text5）中查找所有以字母b開頭的詞。按字母順序顯示出來。

16．○在python解釋器提示符下輸入表達式range(10)。再嘗試range(10, 20), range(10, 20, 2)和range(20, 10, -2)。在後續章節中我們将看到這個内置函數的多種用途。

17．◑使用text9.index()查找詞sunset的索引值。你需要将這個詞作為一個參數插入到圓括号之間。在嘗試和出錯的過程中，在完整的句子中找到包含這個詞的切片。

18．◑使用連結清單加法、set和sorted操作，計算句子sent1...sent8的詞彙表。

19．◑下面兩行之間的差異是什麼？哪一個的值比較大？其他文本也是同樣情況嗎？

20．◑w.isupper()和not w.islower()這兩個測試之間的差異是什麼？

21．◑編寫一個切片表達式提取text2中的最後兩個詞。

22．◑找出聊天語料庫（text5）中所有4個字母的詞。使用頻率分布函數（freqdist），以頻率從高到低顯示這些詞。

23．◑複習1.4節中的條件循環。使用for和if語句組合循環周遊電影劇本《巨蟒和聖杯》（text6）中的詞，輸出所有的大寫詞，每行輸出一個。

24．◑編寫表達式并找出text6中所有符合下列條件的詞。結果應該以詞連結清單形式表示：['word1', 'word2', ...]。

　 a．以ize結尾。

　 b．包含字母z。

　 c．包含字母序列pt。

　 d．除了首字母外是全部小寫字母的詞（即titlecase）。

25．◑定義sent為詞連結清單['she', 'sells', 'sea', 'shells', 'by', 'the', 'sea', 'shore']。編寫代碼執行以下任務。

　 a．輸出所有sh開頭的單詞。

　 b．輸出所有長度超過4個字元的詞。

26．◑下面的python代碼是做什麼的？sum([len(w) for w in text1])，你可以用它來算出一個文本的平均字長嗎？

27．◑定義一個名為vocab_size(text)的函數，以文本作為唯一的參數，傳回文本的詞彙量。

28．◑定義一個函數percent(word, text)，計算一個給定的詞在文本中出現的頻率，結果以百分比表示。

29．◑我們一直在使用集合存儲詞彙表。試試下面的python表達式：set(sent3) < set(text1)。嘗試在set()中使用不同的參數。它是做什麼用的？你能想到一個實際的應用嗎？