如何将bigram编程为python中的表？

Question

我正在做此作业，现在我被困住了。 我不能用英语编程Bigram频率，不能用python 编程 “条件概率”吗？

也就是说，概率 令牌 给定前面的令牌 等于他们的二元组或两个标记同时出现的概率 ，除以前一个令牌的概率。

我有一个包含很多字母的文本，然后我计算出该文本中字母的概率，因此与文本中的字母相比，字母“ a”出现0.015% 。

这些字母来自^a-zA-Z ，我想要的是：
如何制作一个具有字母（（alphabet）x（alphabet））长度的表格，以及如何计算每种情况的条件概率？

就像是：

[[(a|a),(b|a),(c|a),...,(z|a),...(Z|a)]
 [(a|b),(b|b),(c|b),...,(z|b),...(Z|b)]
                    ...       ...
 [(a|Z),(b|Z),(c|Z),...,(z|Z),...(Z|Z)]]

为此，我应该计算概率，例如：如果此时您拥有字母“ a”，那么得到字母“ a”的机会是多少，依此类推。

我无法开始，希望您能启动我，并希望我明确需要解决的问题。

Answer 1

假设您的文件没有其他标点符号（足够容易删除）：

import itertools

def pairwise(s):
    a,b = itertools.tee(s)
    next(b)
    return zip(a,b)

counts = [[0 for _ in range(52)] for _ in range(52)]  # nothing has occurred yet
with open('path/to/input') as infile:
    for a,b in pairwise(char for line in infile for word in line.split() for char in word):  # get pairwise characters from the text
        given = ord(a) - ord('a')  # index (in `counts`) of the "given" character
        char = ord(b) - ord('a')   # index of the character that follows the "given" character
        counts[given][char] += 1

# now that we have the number of occurrences, let's divide by the totals to get conditional probabilities

totals = [sum(count[i] for i in range(52)) for count in counts]
for given in range(52):
    if not totals[given]:
        continue
    for i in range(len(counts[given])):
        counts[given][i] /= totals[given]

我没有测试过，但这应该是一个好的开始

这是一个字典版本，应该更易于阅读和调试：

counts = {}
with open('path/to/input') as infile:
    for a,b in pairwise(char for line in infile for word in line.split() for char in word):
        given = ord(a) - ord('a')
        char = ord(b) - ord('a')
        if given not in counts:
            counts[given] = {}
        if char not in counts[given]:
            counts[given][char] = 0
        counts[given][char] += 1

answer = {}
for given, chardict in answer.items():
    total = sum(chardict.values())
    for char, count in chardict.items():
        answer[given][char] = count/total

现在， answer包含您追求的概率。 如果您想给定“ b”的概率为“ a”，请查看answer['b']['a']