如何在Python中计算给定语料库的复数和单数

Question

希望您能帮助我完成任务。

我需要计算语料库中的复数和单数。 我有一个语料库，其语系具有以下结构：

['4', 'lanzas', 'lanza', 'NCFP000']

第一个位置[0]计数为数字（4），第二个[1]计数为形式（lanzas），第三位置[2]计数为引理（lanza），第四个位置[3]计数为a。类别（NCFP000），例如动词，名词等。因此，在该语料库中，每个单词都是根据其引理和类别构成的，如果单词是单数，复数，男性或女性，则类别会向我们提供信息。

Here are some examples of lines from the corpus:

['1', 'Cargó', 'cargar', 'VMIS3S0']

['2', 'el', 'el', 'DA0MS0']

['3', 'camión', 'camión', 'NCMS000']

['4', 'con', 'con', 'SP']

['5', 'los', 'el', 'DA0MP0']

['6', 'trastos', 'trasto', 'NCMP000']

['7', 'más', 'más', 'RG']

['8', 'pesados', 'pesado', 'AQ0MP00']

['9', '.', '.', 'Fp']

因此，如您所见，最后位置[3]占了单词的类别，因此AQ0MP00表示单词是复数形式和形容词。

我的问题是在这种情况下如何计算复数和单数？ 具体来说，我需要计算整个语料库中的以下类别（NCFS000，NCFP000，NCMS000和NCMP000，代表复数，单数，女性和男性）。

到目前为止，我已经尝试过了：

语料库=开放（ 'F：/python/corpus-morf.txt'， 'R'）

文本=开放（ 'F：/python/deberes.txt'， 'R'）

线= corpus.readlines（）

对于我来说：

lista=i.split()

#print(lista)

p=len(lista)

if p >0:

    forma=lista[1].rstrip()

    lema=lista[2].rstrip()

    categoria=lista[3].rstrip()

    aa=[forma,lema,categoria]                                                                            

我被困在这里。

你有什么想法？ 衷心感谢您的帮助。

Answer 1

这是一种方法-请注意，这涵盖了所有类别，因此您只需要针对所关注的字典对结果字典进行过滤：

from collections import Counter

corpus = [
  ['1', 'Cargó', 'cargar', 'VMIS3S0'],
  ['2', 'el', 'el', 'DA0MS0'],
  ['3', 'camión', 'camión', 'NCMS000'],
  ['4', 'con', 'con', 'SP'],
  ['5', 'los', 'el', 'DA0MP0'],
  ['6', 'trastos', 'trasto', 'NCMP000'],
  ['7', 'más', 'más', 'RG'],
  ['8', 'pesados', 'pesado', 'AQ0MP00'],
]

print(Counter(x[3] for x in corpus))

计数器（{'VMIS3S0'：1，'DA0MS0'：1，'NCMS000'：1，'SP'：1，'DA0MP0'：1，'NCMP000'：1，'RG'：1，'AQ0MP00'：1 }）