【语言处理与Python】5.3使用Python字典映射词及其属性

字典数据类型（其他编程语言可能称为关联数组或者哈希数组）

索引链表VS字典（略）

Python字典

#初始化一个空字典

pos={}

#字典的一些其他用法pos.keys0,pos.values(),pos.items()

#定义一个非空字典

>>>pos= {'colorless':'ADJ', 'ideas': 'N', 'sleep': 'V', 'furiously': 'ADV'}
>>>pos= dict(colorless='ADJ',ideas='N', sleep='V', furiously='ADV')

通常会使用第一个方法。需要注意的是，一个字典的键是不能修改的。

默认字典

我们可以使用默认字典，这样当访问一个不存在的键时，会赋予默认值，而不是返回错误信息。

设置默认数据类型：

>>>frequency = nltk.defaultdict(int)
>>>frequency['colorless'] = 4
>>>frequency['ideas']
0
>>>pos= nltk.defaultdict(list)
>>>pos['sleep']= ['N', 'V']
>>>pos['ideas']
[]

设置默认值：

>>>pos= nltk.defaultdict(lambda: 'N')
>>>pos['colorless']= 'ADJ'
>>>pos['blog']�
'N'
>>>pos.items()

[('blog', 'N'), ('colorless', 'ADJ')]

递增的更新词典

#递增更新字典，按值排序

>>>counts = nltk.defaultdict(int)
>>>from nltk.corpusimport brown
>>>for (word, tag) in brown.tagged_words(categories='news'):
... counts[tag]+=1
...
>>>counts['N']
22226
>>>list(counts)
['FW', 'DET', 'WH', "''", 'VBZ', 'VB+PPO', "'", ')', 'ADJ', 'PRO', '*', '-', ...]
>>>from operator import itemgetter
>>>sorted(counts.items(), key=itemgetter(1),reverse=True)
[('N', 22226),('P', 10845),('DET', 10648),('NP', 8336),('V', 7313), ...]
>>>[t for t, c in sorted(counts.items(), key=itemgetter(1),reverse=True)]
['N', 'P', 'DET', 'NP', 'V', 'ADJ', ',', '.', 'CNJ', 'PRO', 'ADV', 'VD', ...]

#一般的积累任务的实现和nltk.Index()提供的更简单的方法对比

>>>anagrams = nltk.defaultdict(list)
>>>for wordin words:
... key= ''.join(sorted(word))
... anagrams[key].append(word)
...
>>>anagrams['aeilnrt']
['entrail', 'latrine', 'ratline', 'reliant', 'retinal', 'trenail']

>>>anagrams = nltk.Index((''.join(sorted(w)),w)for win words)
>>>anagrams['aeilnrt']
['entrail', 'latrine', 'ratline', 'reliant', 'retinal', 'trenail']

颠倒词典

>>>pos2= nltk.Index((value, key) for (key, value) in pos.items())
>>>pos2['ADV']
['peacefully', 'furiously']

常用的方法与字典相关习惯用法的总结