nltk 函数计算某些单词的出现次数

nltk书中有一个问题 “使用 state_union 语料库阅读器阅读国情咨文演讲的文本。计算每个文档中男性、女性和人物的出现次数。随着时间的推移，这些词的使用发生了什么变化？”

我想我可以使用像 state_union('1945-Truman.txt').count('men') 这样的函数 然而，这个 State Union 语料库中有 60 多个文本，我觉得必须有一种更简单的方法来查看每个文本的单词数，而不是对每个文本一遍又一遍地重复此功能。

您可以使用.words()语料库中的函数返回字符串列表（即标记/单词）：

>>> from nltk.corpus import brown
>>> brown.words()
[u'The', u'Fulton', u'County', u'Grand', u'Jury', ...]

然后使用Counter()对象来计算实例数，请参阅https://docs.python.org/2/library/collections.html#collections.Counter https://docs.python.org/2/library/collections.html#collections.Counter:

>>> wordcounts = Counter(brown.words())

但请注意，计数器区分大小写，请参阅：

>>> from nltk.corpus import brown
>>> from collections import Counter
>>> brown.words()
[u'The', u'Fulton', u'County', u'Grand', u'Jury', ...]
>>> wordcounts = Counter(brown.words())
>>> wordcounts['the']
62713
>>> wordcounts['The']
7258
>>> wordcounts_lower = Counter(i.lower() for i in brown.words())
>>> wordcounts_lower['The']
0
>>> wordcounts_lower['the']
69971