iramuteq.org Git - iramuteq/blob - textstat.py

   1 #!/bin/env python
   2 # -*- coding: utf-8 -*-
   3 #Author: Pierre Ratinaud
   4 #Copyright (c) 2008-2012 Pierre Ratinaud
   5 #Lisense: GNU/GPL
   6
   7 #from chemins import ConstructPathOut, StatTxtPathOut, ffr
   8 from chemins import PathOut
   9 from analysetxt import AnalyseText
  10 #from corpus import Corpus
  11 from guifunct import getPage, getCorpus
  12 from ConfigParser import RawConfigParser
  13 from functions import sortedby, progressbar, CreateIraFile, exec_rcode, check_Rresult, DoConf
  14 from dialog import StatDialog
  15 from openanalyse import OpenAnalyse
  16 #from ttparser import *
  17 import tempfile
  18 from time import sleep
  19 import wx
  20 import os
  21
  22 import logging
  23
  24 logger = logging.getLogger('iramuteq.textstat')
  25
  26
  27
  28 class Stat(AnalyseText) :
  29     def doanalyse(self) :
  30         self.make_stats()
  31
  32     def preferences(self) :
  33         return self.parametres
  34
  35     def make_stats(self):
  36         if self.dlg :
  37             if not 'dlg' in dir(self) :
  38                 self.dlg = progressbar(self, 7)
  39         #if not self.lem :
  40         #    formes = self.corpus.formes
  41         #else :
  42         #    self.corpus.make_lems()
  43         formes = self.corpus.lems
  44         tot = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq > 1]
  45         tot = sortedby(tot, 2,1)
  46         tot = [[i, val] for i, val in enumerate(tot)]
  47         hapax = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq == 1]
  48         hapax = sortedby(hapax, 1, 1)
  49         hapax = [[i, val] for i, val in enumerate(hapax)]
  50         act = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 1]
  51         act = sortedby(act, 2, 1)
  52         act = [[i, val] for i, val in enumerate(act)]
  53         supp = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 2]
  54         supp = sortedby(supp, 2, 1)
  55
  56         #print self.corpus.gethapaxbyuci()
  57
  58         supp = [[i, val] for i, val in enumerate(supp)]
  59         #self.corpus.pathout = self.dictpathout
  60         #self.corpus.make_type_tot()
  61
  62         self.result = {u'total' : dict(tot), u'formes_actives' : dict(act), u'formes_supplémentaires' : dict(supp), u'hapax' : dict(hapax), u'glob' : ''}
  63         occurrences = sum([val[1][1] for val in tot]) + len(hapax)
  64         phapax = (float(len(hapax)) / float(occurrences)) * 100
  65         phapax_forme = (float(len(hapax)) / (float(len(formes)))) * 100
  66         moy_occu_mot = float(occurrences) / float(len(formes))
  67         txt = 'Globale\n'
  68         txt += 'nombre d\'uci : %i\n' % len(self.corpus.ucis)
  69         txt += 'nombre d\'occurrences : %i\n' % occurrences
  70         txt += 'nombre de formes : %i\n' % (len(formes))
  71         txt += 'moyenne d\'occurrences par forme : %.2f\n' % moy_occu_mot
  72         txt += 'nombre d\'hapax : %i (%.2f%% des occurrences - %.2f%% des formes)\n' % (len(hapax), phapax, phapax_forme)
  73         print float(occurrences), float(len(self.corpus.ucis))
  74         txt += 'moyenne d\'occurrences par uci : %.2f' % (float(occurrences)/float(len(self.corpus.ucis)))
  75         if self.dlg :
  76              self.dlg.Update(7, u'Ecriture...')
  77         self.result['glob'] = txt
  78         self.print_result()
  79         # for Zipf grap
  80         txt = """
  81         source("%s")
  82         tot <- read.csv2("%s", header = FALSE, row.names = 1)
  83         """ % (self.parent.RscriptsPath['Rgraph'], self.pathout['total.csv'])
  84         if len(hapax) :
  85             txt += """
  86             hapax <- read.csv2("%s", header = FALSE, row.names = 1)
  87             tot <- rbind(tot, hapax)
  88             """ % self.pathout['hapax.csv']
  89         txt += """
  90         open_file_graph("%s", width = 400, height = 400)
  91         plot(log(tot[,1]), log = 'x', xlab='log(rangs)', ylab = 'log(frequences)', col = 'red', pch=16)
  92         dev.off()
  93         """ % (self.pathout['zipf.png'])
  94         tmpscript = tempfile.mktemp(dir=self.parent.TEMPDIR)
  95         with open(tmpscript, 'w') as f :
  96             f.write(txt)
  97         pid = exec_rcode(self.parent.RPath, tmpscript, wait = False)
  98         while pid.poll() == None :
  99             sleep(0.2)
 100         check_Rresult(self.parent, pid)
 101         #CreateIraFile(self.dictpathout, 0, corpname = os.path.basename(self.corpus.parametre['filename']), section = 'stat')
 102         if self.dlg :
 103             #OpenAnalyse(self.parent, self.pathout['Analyse.ira'])
 104             #self.DoLayout(self.parent)
 105             self.dlg.Destroy()
 106
 107     def print_result(self) :
 108         for key in self.result :
 109             if key != 'glob' :
 110                 dico = self.result[key]
 111                 toprint = [[dico[val][0],`dico[val][1]`, dico[val][2]] for val in dico]
 112                 #toprint = [[line[0], `line[1]`] for line in self.result[key]]
 113                 with open(self.pathout['%s.csv' % key], 'w') as f :
 114                     f.write('\n'.join([';'.join([val for val in ligne]) for ligne in toprint]).encode(self.parent.syscoding))
 115             else :
 116                 with open(self.pathout['%s.txt' % 'glob'], 'w') as f :
 117                     f.write(self.result['glob'].encode(self.parent.syscoding))
 118             #self.parametres['pathout'] = self.pathout['Analyse.ira']
 119             #DoConf().makeoptions(['stat'],[self.parametres], self.pathout['Analyse.ira'])
 120
 121
 122 #class Stat():
 123 #    def __init__(self, parent, corpus, cmd = False, lem = True, exp = True):
 124 #####################################################################
 125 #        logger.info('start text stat')
 126 #        self.conf = None
 127 #        self.parent = parent
 128 #        self.type = 'alceste'
 129 #        self.cmd = cmd
 130 #        self.ConfigPath = parent.ConfigPath
 131 #        self.DictPath = parent.DictPath
 132 #        self.KeyConf = RawConfigParser()
 133 #        self.KeyConf.read(self.ConfigPath['key'])
 134 #        page = getPage(self.parent)
 135 #        if page is not None :
 136 #            self.corpus = getCorpus(page)
 137 #            if self.corpus is not None :
 138 #                self.pathout = ConstructPathOut(self.corpus.parametre['openpath'], 'Stat')
 139 #                self.dictpathout = StatTxtPathOut(self.pathout)
 140 #                self.val = wx.ID_OK
 141 #        else :
 142 #            self.corpus = Corpus(parent)
 143 #            self.corpus.parametre['encodage'] = parent.corpus_encodage
 144 #            self.corpus.parametre['lang'] = parent.corpus_lang
 145 #            self.corpus.parametre['filename'] = parent.filename
 146 #            self.pathout = ConstructPathOut(self.corpus.parametre['filename'], 'Stat')
 147 #            self.dictpathout = StatTxtPathOut(self.pathout)
 148 #            self.corpus.dictpathout = self.dictpathout
 149 #            if not self.cmd :
 150 #                dial = StatDialog(self,parent)
 151 #                dial.CenterOnParent()
 152 #                self.val = dial.ShowModal()
 153 #            else :
 154 #                self.val = wx.ID_OK
 155 #            if self.val == wx.ID_OK :
 156 #                if not self.cmd :
 157 #                    if dial.radio_lem.GetSelection() == 0 : lem = True
 158 #                    else : lem = False
 159 #                    if dial.exp.GetSelection() == 0 : exp = True
 160 #                    else : exp = False
 161 #                    self.make_uce = dial.check_uce.GetValue()
 162 #                    self.corpus.parametre['nbforme_uce'] = dial.spin_ctrl_4.GetValue()
 163 #                    self.corpus.parametre['max_actives'] = dial.spin_max_actives.GetValue()
 164 #                    self.corpus.parametre['eff_min_uce'] = self.corpus.parametre['nbforme_uce']
 165 #                else :
 166 #                    lem = True
 167 #                    exp = True
 168 #                    self.make_uce = False
 169 #                    self.corpus.parametre['nbforme_uce'] = None
 170 #                    self.corpus.parametre['eff_min_uce'] = None
 171 #                self.corpus.parametre['lem'] = lem
 172 #                self.corpus.parametre['expressions'] = exp
 173 #                self.corpus.supplementaires = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "2"]
 174 #                self.corpus.typeactive = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "1"]
 175 #                self.make_corpus()
 176 #
 177 #        if self.val == wx.ID_OK :
 178 #            if 'supplementaires' not in dir(self.corpus) :
 179 #                print 'supplementaire'
 180 #                self.corpus.supplementaires = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "2"]
 181 #                print self.corpus.supplementaires
 182 #            else :
 183 #                print 'corpus supplementaires'
 184 #                print self.corpus.supplementaires
 185 #            if 'typeactive' not in dir(self.corpus) :
 186 #                self.corpus.typeactive = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "1"]
 187 #            self.make_stats()
 188 #
 189 #    def make_corpus(self) :
 190 #        if not self.cmd :
 191 #            self.dlg = progressbar(self, 7)
 192 #        else :
 193 #            self.dlg = None
 194 #        self.corpus.content = self.parent.content
 195 #        #print 'ATTENTION : FROM TT'
 196 #        #prepare_for_treetagger(self.corpus, self.parent)
 197 #        #get_ucis_from_tt(self.corpus)
 198 #        #qsdfqsdf
 199 #        ucis_txt, ucis_paras_txt = self.corpus.start_analyse(self.parent, dlg = self.dlg, cmd = self.cmd, fromtt = False)
 200 #        #self.corpus.make_et_table()
 201 #        #self.corpus.make_len_uce(self.corpus.get_tot_occ_from_ucis_txt(ucis_txt))
 202 ##        print 'ATTTTTENTION CHECK_DOUBLON'
 203 ##        self.corpus.check_double(ucis_txt)
 204 #        del ucis_txt
 205 #
 206 #        if not self.cmd :
 207 #            self.dlg.Update(5, '%i UCI...' % len(ucis_paras_txt))
 208 #        self.corpus.make_ucis_paras_uces(ucis_paras_txt, make_uce = self.make_uce)
 209 #        del ucis_paras_txt
 210 #
 211 ##        print 'ATTENTION EFF PAR UCI'
 212 ##        effuci = [[`i`, `len(uce)`] for i, uci in enumerate(self.corpus.ucis_paras_uces) for para in uci for uce in para]
 213 ##        with open('/home/pierre/fac/identite/taille_uci.csv', 'w') as f :
 214 ##            f.write('\n'.join([';'.join(val) for val in effuci]))
 215 ##        print effuci[0:30]
 216 ##        print max(effuci), min(effuci), float(sum(effuci))/float(len(effuci))
 217 ##        qsdfqsdfqsd
 218 #
 219 #
 220 #        if self.corpus.para_coords != [[] for val in self.corpus.para_coords] :
 221 #            self.corpus.parametre['para'] = True
 222 #        else :
 223 #            self.corpus.parametre['para'] = False
 224 #        self.corpus.make_etoiles(self.corpus.para_coords)
 225 #
 226 #        print 'len(ucis_paras_uces', len(self.corpus.ucis_paras_uces)
 227 #
 228 #        if not self.cmd :
 229 #            self.dlg.Update(6, u'Dictionnaires')
 230 #        uces, orderuces = self.corpus.make_forms_and_uces()
 231 #        self.corpus.make_lems(self.parent.lexique)
 232 #
 233 #    def make_stats(self):
 234 #        if not self.cmd :
 235 #            if not 'dlg' in dir(self) :
 236 #                self.dlg = progressbar(self, 7)
 237 #        if not self.corpus.parametre['lem'] :
 238 #            formes = self.corpus.formes
 239 #        else :
 240 #            formes = self.corpus.make_lem_eff()
 241 #        tot = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][0] > 1]
 242 #        tot = sortedby(tot, 2,1)
 243 #        tot = [[i, val] for i, val in enumerate(tot)]
 244 #        hapax = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][0] == 1]
 245 #        hapax = sortedby(hapax, 1, 1)
 246 #        hapax = [[i, val] for i, val in enumerate(hapax)]
 247 #        act = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][2] in self.corpus.typeactive]
 248 #        act = sortedby(act, 2, 1)
 249 #        act = [[i, val] for i, val in enumerate(act)]
 250 #        supp = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][2] in self.corpus.supplementaires]
 251 #        supp = sortedby(supp, 2, 1)
 252 #        supp = [[i, val] for i, val in enumerate(supp)]
 253 #        self.corpus.dictpathout = self.dictpathout
 254 #        #self.corpus.make_type_tot()
 255 #
 256 #        self.result = {u'total' : dict(tot), u'formes_actives' : dict(act), u'formes_supplémentaires' : dict(supp), u'hapax' : dict(hapax), u'glob' : ''}
 257 #        occurrences = sum([val[1][1] for val in tot]) + len(hapax)
 258 #        phapax = (float(len(hapax)) / float(occurrences)) * 100
 259 #        phapax_forme = (float(len(hapax)) / (float(len(formes)) + len(hapax))) * 100
 260 #        moy_occu_mot = float(occurrences) / float(len(formes))
 261 #        txt = 'Globale\n'
 262 #        txt += 'nombre d\'uci : %i\n' % len(self.corpus.ucis)
 263 #        txt += 'nombre d\'occurrences : %i\n' % occurrences
 264 #        txt += 'nombre de formes : %i\n' % (len(formes) + len(hapax))
 265 #        txt += 'moyenne d\'occurrences par forme : %.2f\n' % moy_occu_mot
 266 #        txt += 'nombre d\'hapax : %i (%.2f%% des occurrences - %.2f%% des formes)\n' % (len(hapax), phapax, phapax_forme)
 267 #        print float(occurrences), float(len(self.corpus.ucis))
 268 #        txt += 'moyenne d\'occurrences par uci : %.2f' % (float(occurrences)/float(len(self.corpus.ucis)))
 269 #        if not self.cmd :
 270 #             self.dlg.Update(7, u'Ecriture...')
 271 #        self.result['glob'] = txt
 272 #        self.print_result()
 273 #        # for Zipf grap
 274 #        txt = """
 275 #        source("%s")
 276 #        tot <- read.csv2("%s", header = FALSE, row.names = 1)
 277 #        hapax <- read.csv2("%s", header = FALSE, row.names = 1)
 278 #        tot <- rbind(tot, hapax)
 279 #        open_file_graph("%s", width = 400, height = 400)
 280 #        plot(log(tot[,1]), log = 'x', xlab='log(rangs)', ylab = 'log(frequences)', col = 'red', pch=16)
 281 #        dev.off()
 282 #        """ % (self.parent.RscriptsPath['Rgraph'], ffr(os.path.join(self.pathout, 'total.csv')), ffr(os.path.join(self.pathout, 'hapax.csv')), self.dictpathout['zipf'])
 283 #        tmpscript = tempfile.mktemp(dir=self.parent.TEMPDIR)
 284 #        with open(tmpscript, 'w') as f :
 285 #            f.write(txt)
 286 #        pid = exec_rcode(self.parent.RPath, tmpscript, wait = False)
 287 #        while pid.poll() == None :
 288 #            sleep(0.2)
 289 #        check_Rresult(self.parent, pid)
 290 #        self.corpus.save_corpus(self.dictpathout['db'])
 291 #        CreateIraFile(self.dictpathout, 0, corpname = os.path.basename(self.corpus.parametre['filename']), section = 'stat')
 292 #        if not self.cmd :
 293 #            OpenAnalyse(self.parent, self.dictpathout['ira'])
 294 #            #self.DoLayout(self.parent)
 295 #            self.dlg.Destroy()
 296 #
 297 #    def print_result(self) :
 298 #        for key in self.result :
 299 #            if key != 'glob' :
 300 #                dico = self.result[key]
 301 #                toprint = [[dico[val][0],`dico[val][1]`, dico[val][2]] for val in dico]
 302 #                #toprint = [[line[0], `line[1]`] for line in self.result[key]]
 303 #                output = open(os.path.join(self.pathout,'%s.csv' % key), 'w')
 304 #                output.write('\n'.join([';'.join([val for val in ligne]) for ligne in toprint]))
 305 #                output.close()
 306 #            else :
 307 #                output = open(os.path.join(self.pathout,'%s.txt' % 'glob'), 'w')
 308 #                output.write(self.result['glob'])
 309 #                output.close()