2

嗨，不久前我得到了帮助来实现这个功能，但我现在被卡住了。

        from scipy.stats import ttest_ind
    def input_file_to_dict(f):
            return dict((key, int(value)) for value, key in map(lambda line:line.split(), f))

    with open("count-pos.txt") as f:
            word_counts1 = input_file_to_dict(f)

    with open("count-neg.txt") as f:
            word_counts2 = input_file_to_dict(f)

查找 list1 和 list2 中的所有单词

    out = open('t-test_output.txt', 'w')
    common_words = set.intersection(set(word_counts1.keys()),    set(word_counts2.keys()))
    for line in common_words:

        t,p = ttest_ind([word_counts1[k] for k in common_words], [word_counts2[k] for k in common_words])

        print >> out, (t,p)

正如人们所看到的，我试图比较两个包含单词频率的列表，但是有些单词并没有出现在两个样本大小中。我希望对每个单词对进行 t 检验，以确定它们的方差。但是，这一遍又一遍地给了我相同的 t 值和 p 值对。

有人有什么想法吗？

示例文件如下所示：count-pos.txt

529 the
469 want
464 it
449 de
4

1 回答 1

0

此行在循环中每次都计算相同的值，因为您common_words每次都传入计数：

t,p = ttest_ind([word_counts1[k] for k in common_words], [word_counts2[k] for k in common_words])

你需要遍历所有的common_words吗？

于 2013-06-06T16:39:49.627 回答