代码分享–单语料库多个单词频次折线图

from nltk.corpus import PlaintextCorpusReader  # 导入PlaintextCorpusReader 用于读取文本语料库

import nltk  # 导入 Natural Language Toolkit（nltk）库，用于自然语言处理任务

# 指定语料库的根目录，即包含文本文件的文件夹路径

corpus_root = r"D:学习语料库中国政治文本语料库"

# 创建 PlaintextCorpusReader 对象，指定语料库的根目录和要读取的文件列表

corpora = PlaintextCorpusReader(corpus_root, ['jiang selected 1.txt'])

# 获取语料库中的文件标识符（文件名），这里只有一个文件 'jiang selected 1.txt'

corpora.fileids()

# 创建一个空列表 'pairs'，用于存储条件-事件对

pairs = [(field, word)

        for field in corpora.fileids()  # 遍历语料库中的文件标识符

        for word in [word.lower() for word in corpora.words(field)]]  # 遍历文件中的每个单词，将单词转换为小写

# 使用 nltk 库中的 ConditionalFreqDist 创建条件频率分布对象 'cfd'

cfd = nltk.ConditionalFreqDist(pairs)

# 定义要分析的文本文件名

corpus_text = ['jiang selected 1.txt']

# 定义要统计的情态动词列表

count_word = ['can', 'could', 'may', 'might', 'must', 'will', 'shall', 'should']

# 使用 cfd.plot() 方法绘制条件频率分布图

# conditions 参数指定要绘制的条件（文本文件名），samples 参数指定要统计的事件（情态动词）

cfd.plot(conditions=corpus_text, samples=count_word)