Visualisation des Données

Maintenant que nous avons couvert les fonctionnalités clés du package nltk, passons à la visualisation de nos données. Nous commencerons par calculer la fréquence des mots puis afficherons ces fréquences à l'aide d'un diagramme à barres.

Tâche

Swipe to start coding

Calculer la distribution de fréquence des mots tokenisés de votre texte.
Trouver les 30 mots les plus fréquents dans cette distribution.

Solution

# Import matplotlib for data visualization

import matplotlib.pyplot as plt

# Create a subplot for a bar chart

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(18,5),

gridspec_kw={"height_ratios": [1],

"hspace": 0.7})

# Calculate frequency distribution of the tokenized words

fdist = nltk.FreqDist(story_tokenized)

# Find the top 30 most common words

top_30_words = fdist.most_common(30)

# Plot a bar chart for the top 30 words

axs.bar([word[0] for word in top_30_words], [word[1] for word in top_30_words])

# Add text labels for each bar with the count of the words

for i in range(len(top_30_words)):

axs.text(i, top_30_words[i][1], str(top_30_words[i][1]))

axs.set_xticklabels([word[0] for word in top_30_words], rotation=45)

axs.set_title("Top 30 Words")

axs.set_xlabel("Word")

axs.set_ylabel("Count of Words")

plt.show()

Mark tasks as Completed

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 10