c25b9dcea30647650b437659f22f85903056131d
[iramuteq] / textstat.py
1 #!/bin/env python
2 # -*- coding: utf-8 -*-
3 #Author: Pierre Ratinaud
4 #Copyright (c) 2008-2012 Pierre Ratinaud
5 #License: GNU/GPL
6
7 from chemins import ffr
8 from analysetxt import AnalyseText
9 from functions import sortedby, progressbar, exec_rcode, check_Rresult 
10 import tempfile
11 from time import sleep
12 import logging
13
14 logger = logging.getLogger('iramuteq.textstat')
15
16
17
18 class Stat(AnalyseText) :
19     def doanalyse(self) :
20         self.make_stats()
21
22     def preferences(self) :
23         return self.parametres
24
25     def make_stats(self):
26         if self.dlg :
27             if not 'dlg' in dir(self) :
28                 self.dlg = progressbar(self, 7)
29
30         formes = self.corpus.lems
31         tot = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq > 1]
32         tot = sortedby(tot, 2,1)
33         tot = [[i, val] for i, val in enumerate(tot)]
34         hapax = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq == 1]
35         hapax = sortedby(hapax, 1, 1)
36         hapax = [[i, val] for i, val in enumerate(hapax)]
37         act = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 1]
38         act = sortedby(act, 2, 1)
39         act = [[i, val] for i, val in enumerate(act)]
40         supp = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 2]        
41         supp = sortedby(supp, 2, 1)
42
43         supp = [[i, val] for i, val in enumerate(supp)]
44
45         self.result = {u'total' : dict(tot), u'formes_actives' : dict(act), u'formes_suppl√©mentaires' : dict(supp), u'hapax' : dict(hapax), u'glob' : ''}
46         occurrences = sum([val[1][1] for val in tot]) + len(hapax)
47         phapax = (float(len(hapax)) / float(occurrences)) * 100
48         phapax_forme = (float(len(hapax)) / (float(len(formes)))) * 100
49         moy_occu_mot = float(occurrences) / float(len(formes))
50         txt = ''.join([_(u'Abstract').decode('utf8'), '\n'])
51         txt += ''.join([_(u'Number of texts').decode('utf8'),' : ', '%i\n' % len(self.corpus.ucis)])
52         txt += ''.join([_(u"Number of occurrences").decode('utf8'),' : %i\n' % occurrences])
53         txt += ''.join([_(u'Number of forms').decode('utf8'), ' : %i\n' % (len(formes))])
54         txt += ''.join([_(u"Number of hapax").decode('utf8'),' : %i (%.2f%%' % (len(hapax),phapax), _(u'of occurrences').decode('utf8'), ' - %.2f%% ' % phapax_forme, _(u'of forms').decode('utf8'), ')\n']) 
55         #print float(occurrences), float(len(self.corpus.ucis))
56         txt += ''.join([_(u"Mean of occurrences by text").decode('utf8'), ' : %.2f' % (float(occurrences)/float(len(self.corpus.ucis)))])
57         if self.dlg :
58             self.dlg.Update(7, u'Ecriture...')
59         self.result['glob'] = txt
60         self.print_result()
61         # for Zipf grap
62         txt = """
63         source("%s")
64         tot <- read.csv2("%s", header = FALSE, row.names = 1)
65         """ % (ffr(self.parent.RscriptsPath['Rgraph']), ffr(self.pathout['total.csv']))
66         if len(hapax) :
67             txt += """
68             hapax <- read.csv2("%s", header = FALSE, row.names = 1)
69             tot <- rbind(tot, hapax)
70             """ % ffr(self.pathout['hapax.csv'])
71         txt += """
72         open_file_graph("%s", width = 400, height = 400)
73         plot(tot[,1], log = 'xy', xlab='log(rangs)', ylab = 'log(frequences)', col = 'red', pch=16)
74         dev.off()
75         """ % (ffr(self.pathout['zipf.png']))
76         tmpscript = tempfile.mktemp(dir=self.parent.TEMPDIR)
77         with open(tmpscript, 'w') as f :
78             f.write(txt)
79         pid = exec_rcode(self.parent.RPath, tmpscript, wait = False)
80         while pid.poll() == None :
81             sleep(0.2)
82         check_Rresult(self.parent, pid)
83         if self.dlg :
84             self.dlg.Destroy()
85
86     def print_result(self) :
87         for key in self.result :
88             if key != 'glob' :
89                 dico = self.result[key]
90                 toprint = [[dico[val][0],`dico[val][1]`, dico[val][2]] for val in dico]
91                 with open(self.pathout['%s.csv' % key], 'w') as f :
92                     f.write('\n'.join([';'.join([val for val in ligne]) for ligne in toprint]).encode(self.parent.syscoding))
93             else :
94                 with open(self.pathout['%s.txt' % 'glob'], 'w') as f :
95                     f.write(self.result['glob'].encode(self.parent.syscoding))