5 负频率和正频率 python代码实现

# 导入 numpy 库（用来做数值计算，这里主要用数组/排序）
import numpy as np

# 从 collections 库导入 defaultdict
# 作用：创建一个默认值为 0 的字典，方便统计词频
from collections import defaultdict

# 1. 定义语料库（就是我们要分析的句子）
# corpus = 语料库，里面放4个句子
corpus = [
"I am happy because I am learning NLP",   # 积极句子1
"I am happy",                             # 积极句子2
"I am sad, I am not learning NLP",        # 消极句子1
"I am sad"# 消极句子2
]

# 定义标签：1=积极，0=消极
# 对应上面4个句子的情感
labels = [1, 1, 0, 0]


# 2. 定义一个分词函数：把句子切成单词
def tokenize(sentence):
# 把句子里的逗号去掉（因为标点没用）
    sentence = sentence.replace(",", "")

# 按空格把句子切成一个个单词，返回单词列表
    return sentence.split()

# 3. 构建词汇表（收集所有不重复的单词）
vocab =set()  # 创建空集合（自动去重）

# 遍历语料库里的每一个句子
for sentence in corpus:
    words = tokenize(sentence)  # 把句子切成单词
    vocab.update(words)         # 把单词加入集合（自动去重）

vocab = sorted(vocab)  # 把单词按字母顺序排序

# 4. 统计每个词在积极/消极句子里出现的次数
# 创建两个字典：没出现过的词默认次数=0
positive_counts = defaultdict(int)  # 积极词频
negative_counts = defaultdict(int)  # 消极词频

# 遍历每一个句子 + 对应的标签
for sentence, label in zip(corpus, labels):
    words = tokenize(sentence)  # 句子切单词

# 遍历句子里的每个单词
for word in words:
if label ==1:  # 如果是积极句子
            positive_counts[word] +=1# 积极词频 +1
else:  # 如果是消极句子
            negative_counts[word] +=1# 消极词频 +1

# 5. 打印成漂亮的表格（和你图片里一样）
print("Word frequency in classes")  # 标题
print("-" * 40)                    # 分割线

# 打印表头：左对齐，固定宽度，看起来整齐
print(f"{'Vocabulary':<15} {'PosFreq (1)':<10} {'NegFreq (0)':<10}")
print("-" * 40)

# 遍历每个单词，打印：单词 + 积极次数 + 消极次数
for word in vocab:
    print(f"{word:<15} {positive_counts[word]:<10} {negative_counts[word]:<10}")