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

   1 #!/bin/env python
   2 # -*- coding: utf-8 -*-
   3 #Author: Pierre Ratinaud
   4 #Copyright (c) 2008-2009 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 print 'TEST LOGGING'
  23 import logging
  24
  25 logger = logging.getLogger('iramuteq.textstat')
  26
  27
  28
  29 class Stat(AnalyseText) :
  30     def doanalyse(self) :
  31         self.make_stats()
  32
  33     def preferences(self) :
  34         dial = StatDialog(self, self.parent)
  35         dial.CenterOnParent()
  36         val = dial.ShowModal()
  37         if val == 5100 :
  38             if dial.radio_lem.GetSelection() == 0 :
  39                 lem = 1
  40             else :
  41                 lem = 0
  42             self.parametres['lem'] = lem
  43             dial.Destroy()
  44             return self.parametres
  45         else :
  46             dial.Destroy()
  47             return None
  48
  49     def make_stats(self):
  50         if self.dlg :
  51             if not 'dlg' in dir(self) :
  52                 self.dlg = progressbar(self, 7)
  53         #if not self.lem :
  54         #    formes = self.corpus.formes
  55         #else :
  56         #    self.corpus.make_lems()
  57         formes = self.corpus.lems
  58         tot = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq > 1]
  59         tot = sortedby(tot, 2,1)
  60         tot = [[i, val] for i, val in enumerate(tot)]
  61         hapax = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].freq == 1]
  62         hapax = sortedby(hapax, 1, 1)
  63         hapax = [[i, val] for i, val in enumerate(hapax)]
  64         act = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 1]
  65         act = sortedby(act, 2, 1)
  66         act = [[i, val] for i, val in enumerate(act)]
  67         supp = [[forme, formes[forme].freq, formes[forme].gram] for forme in formes if formes[forme].act == 2]
  68         supp = sortedby(supp, 2, 1)
  69
  70         supp = [[i, val] for i, val in enumerate(supp)]
  71         #self.corpus.pathout = self.dictpathout
  72         #self.corpus.make_type_tot()
  73
  74         self.result = {u'total' : dict(tot), u'formes_actives' : dict(act), u'formes_supplémentaires' : dict(supp), u'hapax' : dict(hapax), u'glob' : ''}
  75         occurrences = sum([val[1][1] for val in tot]) + len(hapax)
  76         phapax = (float(len(hapax)) / float(occurrences)) * 100
  77         phapax_forme = (float(len(hapax)) / (float(len(formes)))) * 100
  78         moy_occu_mot = float(occurrences) / float(len(formes))
  79         txt = 'Globale\n'
  80         txt += 'nombre d\'uci : %i\n' % len(self.corpus.ucis)
  81         txt += 'nombre d\'occurrences : %i\n' % occurrences
  82         txt += 'nombre de formes : %i\n' % (len(formes))
  83         txt += 'moyenne d\'occurrences par forme : %.2f\n' % moy_occu_mot
  84         txt += 'nombre d\'hapax : %i (%.2f%% des occurrences - %.2f%% des formes)\n' % (len(hapax), phapax, phapax_forme)
  85         print float(occurrences), float(len(self.corpus.ucis))
  86         txt += 'moyenne d\'occurrences par uci : %.2f' % (float(occurrences)/float(len(self.corpus.ucis)))
  87         if self.dlg :
  88              self.dlg.Update(7, u'Ecriture...')
  89         self.result['glob'] = txt
  90         self.print_result()
  91         # for Zipf grap
  92         txt = """
  93         source("%s")
  94         tot <- read.csv2("%s", header = FALSE, row.names = 1)
  95         hapax <- read.csv2("%s", header = FALSE, row.names = 1)
  96         tot <- rbind(tot, hapax)
  97         open_file_graph("%s", width = 400, height = 400)
  98         plot(log(tot[,1]), log = 'x', xlab='log(rangs)', ylab = 'log(frequences)', col = 'red', pch=16)
  99         dev.off()
 100         """ % (self.parent.RscriptsPath['Rgraph'], self.pathout['total.csv'], self.pathout['hapax.csv'], self.pathout['zipf.png'])
 101         tmpscript = tempfile.mktemp(dir=self.parent.TEMPDIR)
 102         with open(tmpscript, 'w') as f :
 103             f.write(txt)
 104         pid = exec_rcode(self.parent.RPath, tmpscript, wait = False)
 105         while pid.poll() == None :
 106             sleep(0.2)
 107         check_Rresult(self.parent, pid)
 108         #CreateIraFile(self.dictpathout, 0, corpname = os.path.basename(self.corpus.parametre['filename']), section = 'stat')
 109         if self.dlg :
 110             #OpenAnalyse(self.parent, self.pathout['Analyse.ira'])
 111             #self.DoLayout(self.parent)
 112             self.dlg.Destroy()
 113
 114     def print_result(self) :
 115         for key in self.result :
 116             if key != 'glob' :
 117                 dico = self.result[key]
 118                 toprint = [[dico[val][0],`dico[val][1]`, dico[val][2]] for val in dico]
 119                 #toprint = [[line[0], `line[1]`] for line in self.result[key]]
 120                 with open(self.pathout['%s.csv' % key], 'w') as f :
 121                     f.write('\n'.join([';'.join([val for val in ligne]) for ligne in toprint]).encode(self.parent.syscoding))
 122             else :
 123                 with open(self.pathout['%s.txt' % 'glob'], 'w') as f :
 124                     f.write(self.result['glob'].encode(self.parent.syscoding))
 125             self.parametres['pathout'] = self.pathout['Analyse.ira']
 126             DoConf().makeoptions(['stat'],[self.parametres], self.pathout['Analyse.ira'])
 127
 128
 129 #class Stat():
 130 #    def __init__(self, parent, corpus, cmd = False, lem = True, exp = True):
 131 #####################################################################
 132 #        logger.info('start text stat')
 133 #        self.conf = None
 134 #        self.parent = parent
 135 #        self.type = 'alceste'
 136 #        self.cmd = cmd
 137 #        self.ConfigPath = parent.ConfigPath
 138 #        self.DictPath = parent.DictPath
 139 #        self.KeyConf = RawConfigParser()
 140 #        self.KeyConf.read(self.ConfigPath['key'])
 141 #        page = getPage(self.parent)
 142 #        if page is not None :
 143 #            self.corpus = getCorpus(page)
 144 #            if self.corpus is not None :
 145 #                self.pathout = ConstructPathOut(self.corpus.parametre['openpath'], 'Stat')
 146 #                self.dictpathout = StatTxtPathOut(self.pathout)
 147 #                self.val = wx.ID_OK
 148 #        else :
 149 #            self.corpus = Corpus(parent)
 150 #            self.corpus.parametre['encodage'] = parent.corpus_encodage
 151 #            self.corpus.parametre['lang'] = parent.corpus_lang
 152 #            self.corpus.parametre['filename'] = parent.filename
 153 #            self.pathout = ConstructPathOut(self.corpus.parametre['filename'], 'Stat')
 154 #            self.dictpathout = StatTxtPathOut(self.pathout)
 155 #            self.corpus.dictpathout = self.dictpathout
 156 #            if not self.cmd :
 157 #                dial = StatDialog(self,parent)
 158 #                dial.CenterOnParent()
 159 #                self.val = dial.ShowModal()
 160 #            else :
 161 #                self.val = wx.ID_OK
 162 #            if self.val == wx.ID_OK :
 163 #                if not self.cmd :
 164 #                    if dial.radio_lem.GetSelection() == 0 : lem = True
 165 #                    else : lem = False
 166 #                    if dial.exp.GetSelection() == 0 : exp = True
 167 #                    else : exp = False
 168 #                    self.make_uce = dial.check_uce.GetValue()
 169 #                    self.corpus.parametre['nbforme_uce'] = dial.spin_ctrl_4.GetValue()
 170 #                    self.corpus.parametre['max_actives'] = dial.spin_max_actives.GetValue()
 171 #                    self.corpus.parametre['eff_min_uce'] = self.corpus.parametre['nbforme_uce']
 172 #                else :
 173 #                    lem = True
 174 #                    exp = True
 175 #                    self.make_uce = False
 176 #                    self.corpus.parametre['nbforme_uce'] = None
 177 #                    self.corpus.parametre['eff_min_uce'] = None
 178 #                self.corpus.parametre['lem'] = lem
 179 #                self.corpus.parametre['expressions'] = exp
 180 #                self.corpus.supplementaires = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "2"]
 181 #                self.corpus.typeactive = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "1"]
 182 #                self.make_corpus()
 183 #
 184 #        if self.val == wx.ID_OK :
 185 #            if 'supplementaires' not in dir(self.corpus) :
 186 #                print 'supplementaire'
 187 #                self.corpus.supplementaires = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "2"]
 188 #                print self.corpus.supplementaires
 189 #            else :
 190 #                print 'corpus supplementaires'
 191 #                print self.corpus.supplementaires
 192 #            if 'typeactive' not in dir(self.corpus) :
 193 #                self.corpus.typeactive = [option for option in self.KeyConf.options('KEYS') if self.KeyConf.get('KEYS', option) == "1"]
 194 #            self.make_stats()
 195 #
 196 #    def make_corpus(self) :
 197 #        if not self.cmd :
 198 #            self.dlg = progressbar(self, 7)
 199 #        else :
 200 #            self.dlg = None
 201 #        self.corpus.content = self.parent.content
 202 #        #print 'ATTENTION : FROM TT'
 203 #        #prepare_for_treetagger(self.corpus, self.parent)
 204 #        #get_ucis_from_tt(self.corpus)
 205 #        #qsdfqsdf
 206 #        ucis_txt, ucis_paras_txt = self.corpus.start_analyse(self.parent, dlg = self.dlg, cmd = self.cmd, fromtt = False)
 207 #        #self.corpus.make_et_table()
 208 #        #self.corpus.make_len_uce(self.corpus.get_tot_occ_from_ucis_txt(ucis_txt))
 209 ##        print 'ATTTTTENTION CHECK_DOUBLON'
 210 ##        self.corpus.check_double(ucis_txt)
 211 #        del ucis_txt
 212 #
 213 #        if not self.cmd :
 214 #            self.dlg.Update(5, '%i UCI...' % len(ucis_paras_txt))
 215 #        self.corpus.make_ucis_paras_uces(ucis_paras_txt, make_uce = self.make_uce)
 216 #        del ucis_paras_txt
 217 #
 218 ##        print 'ATTENTION EFF PAR UCI'
 219 ##        effuci = [[`i`, `len(uce)`] for i, uci in enumerate(self.corpus.ucis_paras_uces) for para in uci for uce in para]
 220 ##        with open('/home/pierre/fac/identite/taille_uci.csv', 'w') as f :
 221 ##            f.write('\n'.join([';'.join(val) for val in effuci]))
 222 ##        print effuci[0:30]
 223 ##        print max(effuci), min(effuci), float(sum(effuci))/float(len(effuci))
 224 ##        qsdfqsdfqsd
 225 #
 226 #
 227 #        if self.corpus.para_coords != [[] for val in self.corpus.para_coords] :
 228 #            self.corpus.parametre['para'] = True
 229 #        else :
 230 #            self.corpus.parametre['para'] = False
 231 #        self.corpus.make_etoiles(self.corpus.para_coords)
 232 #
 233 #        print 'len(ucis_paras_uces', len(self.corpus.ucis_paras_uces)
 234 #
 235 #        if not self.cmd :
 236 #            self.dlg.Update(6, u'Dictionnaires')
 237 #        uces, orderuces = self.corpus.make_forms_and_uces()
 238 #        self.corpus.make_lems(self.parent.lexique)
 239 #
 240 #    def make_stats(self):
 241 #        if not self.cmd :
 242 #            if not 'dlg' in dir(self) :
 243 #                self.dlg = progressbar(self, 7)
 244 #        if not self.corpus.parametre['lem'] :
 245 #            formes = self.corpus.formes
 246 #        else :
 247 #            formes = self.corpus.make_lem_eff()
 248 #        tot = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][0] > 1]
 249 #        tot = sortedby(tot, 2,1)
 250 #        tot = [[i, val] for i, val in enumerate(tot)]
 251 #        hapax = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][0] == 1]
 252 #        hapax = sortedby(hapax, 1, 1)
 253 #        hapax = [[i, val] for i, val in enumerate(hapax)]
 254 #        act = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][2] in self.corpus.typeactive]
 255 #        act = sortedby(act, 2, 1)
 256 #        act = [[i, val] for i, val in enumerate(act)]
 257 #        supp = [[forme, formes[forme][0], formes[forme][2]] for forme in formes if formes[forme][2] in self.corpus.supplementaires]
 258 #        supp = sortedby(supp, 2, 1)
 259 #        supp = [[i, val] for i, val in enumerate(supp)]
 260 #        self.corpus.dictpathout = self.dictpathout
 261 #        #self.corpus.make_type_tot()
 262 #
 263 #        self.result = {u'total' : dict(tot), u'formes_actives' : dict(act), u'formes_supplémentaires' : dict(supp), u'hapax' : dict(hapax), u'glob' : ''}
 264 #        occurrences = sum([val[1][1] for val in tot]) + len(hapax)
 265 #        phapax = (float(len(hapax)) / float(occurrences)) * 100
 266 #        phapax_forme = (float(len(hapax)) / (float(len(formes)) + len(hapax))) * 100
 267 #        moy_occu_mot = float(occurrences) / float(len(formes))
 268 #        txt = 'Globale\n'
 269 #        txt += 'nombre d\'uci : %i\n' % len(self.corpus.ucis)
 270 #        txt += 'nombre d\'occurrences : %i\n' % occurrences
 271 #        txt += 'nombre de formes : %i\n' % (len(formes) + len(hapax))
 272 #        txt += 'moyenne d\'occurrences par forme : %.2f\n' % moy_occu_mot
 273 #        txt += 'nombre d\'hapax : %i (%.2f%% des occurrences - %.2f%% des formes)\n' % (len(hapax), phapax, phapax_forme)
 274 #        print float(occurrences), float(len(self.corpus.ucis))
 275 #        txt += 'moyenne d\'occurrences par uci : %.2f' % (float(occurrences)/float(len(self.corpus.ucis)))
 276 #        if not self.cmd :
 277 #             self.dlg.Update(7, u'Ecriture...')
 278 #        self.result['glob'] = txt
 279 #        self.print_result()
 280 #        # for Zipf grap
 281 #        txt = """
 282 #        source("%s")
 283 #        tot <- read.csv2("%s", header = FALSE, row.names = 1)
 284 #        hapax <- read.csv2("%s", header = FALSE, row.names = 1)
 285 #        tot <- rbind(tot, hapax)
 286 #        open_file_graph("%s", width = 400, height = 400)
 287 #        plot(log(tot[,1]), log = 'x', xlab='log(rangs)', ylab = 'log(frequences)', col = 'red', pch=16)
 288 #        dev.off()
 289 #        """ % (self.parent.RscriptsPath['Rgraph'], ffr(os.path.join(self.pathout, 'total.csv')), ffr(os.path.join(self.pathout, 'hapax.csv')), self.dictpathout['zipf'])
 290 #        tmpscript = tempfile.mktemp(dir=self.parent.TEMPDIR)
 291 #        with open(tmpscript, 'w') as f :
 292 #            f.write(txt)
 293 #        pid = exec_rcode(self.parent.RPath, tmpscript, wait = False)
 294 #        while pid.poll() == None :
 295 #            sleep(0.2)
 296 #        check_Rresult(self.parent, pid)
 297 #        self.corpus.save_corpus(self.dictpathout['db'])
 298 #        CreateIraFile(self.dictpathout, 0, corpname = os.path.basename(self.corpus.parametre['filename']), section = 'stat')
 299 #        if not self.cmd :
 300 #            OpenAnalyse(self.parent, self.dictpathout['ira'])
 301 #            #self.DoLayout(self.parent)
 302 #            self.dlg.Destroy()
 303 #
 304 #    def print_result(self) :
 305 #        for key in self.result :
 306 #            if key != 'glob' :
 307 #                dico = self.result[key]
 308 #                toprint = [[dico[val][0],`dico[val][1]`, dico[val][2]] for val in dico]
 309 #                #toprint = [[line[0], `line[1]`] for line in self.result[key]]
 310 #                output = open(os.path.join(self.pathout,'%s.csv' % key), 'w')
 311 #                output.write('\n'.join([';'.join([val for val in ligne]) for ligne in toprint]))
 312 #                output.close()
 313 #            else :
 314 #                output = open(os.path.join(self.pathout,'%s.txt' % 'glob'), 'w')
 315 #                output.write(self.result['glob'])
 316 #                output.close()