python - 内置函数可以用spaCy获取一个单词的频率？

Question

我正在寻找 NLTK 更快的替代方案来分析大型语料库并执行基本操作，例如计算频率、PoS 标记等...SpaCy 在很多方面看起来很棒并且易于使用，但我找不到任何内置的-例如，在函数中计算特定单词的频率。我查看了 spaCy 文档，但找不到直接的方法。我错过了什么吗？

我想要的是 NLTK 等价的:

tokens.count("word") #where tokens is the tokenized text in which the word is to be counted

在 NLTK 中，上面的代码会告诉我，在我的文本中，单词“word”出现了 X 次。

请注意，我已经使用了 count_by 函数，但它似乎没有达到我想要的效果。

Answer 1

我经常使用 spaCy 来计算语料库中的频率。这是我通常做的事情:

import spacy
nlp = spacy.load("en_core_web_sm")

list_of_words = ['run', 'jump', 'catch']

def word_count(string):
    words_counted = 0
    my_string = nlp(string)

    for token in my_string:
        # actual word
        word = token.text
        # lemma
        lemma_word = token.lemma_
        # part of speech
        word_pos = token.pos_
        if lemma_word in list_of_words:
            words_counted += 1
            print(lemma_word)
    return words_counted


sentence = "I ran, jumped, and caught the ball."
words_counted = word_count(sentence)
print(words_counted)