NLTK应用开发指南

第8章　NLTK与其他Python库的搭配运用

本章将会带你探索Python在机器学习和自然语言处理方面的一些主干库。到目前为止，前面已经使用过了NLTK、Scikit和genism这三个库，它们在功能上都非常抽象，所要处理的也都是非常具有针对性的任务。大多数统计型NLP都大量地依赖于向量空间模型，而向量空间模型的基础是线性代数的基本运算，这部分将由NumPy库所覆盖。除此之外，NLP领域中有许多任务（如POS或NER标记）在卸下伪装之后，其实都是一些分类器。本章将会讨论所有这些任务中会被大量用到的程序库。

本章的主要用意是希望为读者提供一份最基本的Python库的快速预览。这将有助于读者了解更多这些最酷炫的程序库背后的数据结构、设计和数学，如之前章节中所讨论的NLTK和Scikit。

下面是本章将要介绍的4个程序库。在这里，会尽量维持一份简介该有的篇幅，但如果你希望在数据科学领域掌握更多基于Python的一站式解决方案，我个人会强烈建议读者应该去阅读更多关于这些库的详细信息。

• NumPy（用于数值计算）。
• SciPy（用于科学计算）。
• pandas（用于数据操纵）。
• matplotlib（用于可视化处理）。

8.1　NumPy

NumPy是一种用于处理数值计算的Python库，而且其运算速度很快。NumPy库提供了一些高度优化的数据结构（如ndarray）。另外，NumPy库中也提供了许多为数值计算专门设计和优化的函数，用于执行一些最常见的数值运算。因此，这个库也是NLTK、scikitlearn、pandas等其他相关库实现其一些算法的基础之一。本节会简单地介绍一些NumPy库的运行实例。这样做不仅有助于读者了解NLTK与其他相关库背后所用的基本数据结构，而且还能使读者有能力根据自己的需要自定义其中的一些功能。 ...