ITIA41 - Viikkoharjoitusten esimerkkiratkaisuja 2--3

vko-02-harjoitus-07.py

 # Luodaan FreqDist sanojen pituuksista
freq_of_word_lengths = FreqDist([len(w) for w in text2])

#Katsotaan frekvenssijakaumaa
sorted(freq_of_word_lengths.keys())

# FreqDist:n avaimina on sanojen pituudet. 
# Katsotaan kuinka monta sanaa löytyy avaimella 17.

freq_of_word_lengths[17]
#Tuottaa tuloksena 3. Tiedetään nyt, että tuloksena pitäisi saada kolme sanaa.

# Haetaan text2:n sanat, jotka sisältävät 17 merkkiä

[w for w in text2 if len(w) == 17]

# Saatiin ['disinterestedness', 'companionableness', 'disqualifications']

vko-03-harjoitus-03.py

# Tässä vastaukseksi riitti pelkät indeksit, jotka sai selville kokeilemalla. 
# Annoin lisäksi arvostelussa 0,25 pistettä ylimääräistä, jos vastaukseksi 
# annettiin lisäksi komento, jolla vastauksen saa selville arvaamatta.

>>> kalevala
'Kasvoi maahan marjanvarret, kukat kultaiset keolle;\nruohot kasvoi kaikenlaiset,
 monenmuotoiset sikesi.\nOhra on yksin nousematta, touko kallis kasvamatta.\n'

>>> kalevala[1:4]
'asv'
>>> kalevala.find('ruohot')
52
>>> 52 + len('ruohot')
58
>>> kalevala[52:58]
'ruohot'

vko-03-harjoitus-04.py

# Viimeisen kohdan ratkaisu toimii tässä muodossa vain, jos teksti on ladattu suoraan
# kalevala.txt -tiedostosta tai itse kirjoitetun tekstin loppuun oli  lisätty
# rivinvaihto.  Tiedoston merkkimäärä on tällöin parillinen luku 
# ja len(kalevala)/2 antaa tuloksena indeksiksi kelpaavan kokonaisluvun.

>>> kalevala[:10]
'Kasvoi maa'
>>> kalevala[-10:]
'svamatta.\n'
>>> kalevala[:len(kalevala)/2]
'Kasvoi maahan marjanvarret, kukat kultaiset keolle;\nruohot kasvoi kaikenlaise'

vko-03-harjoitus-05.py

# Tässä tehtävässä piti olla tarkkana, tarkoitetaanko listan toista sanaa 
# vai listan indeksinumerolla kaksi olevaa sanaa.

>>> kalevala_splitted = kalevala.split()
>>> kalevala_splitted[:3]
['Kasvoi', 'maahan', 'marjanvarret,']
>>> kalevala_splitted[1]
'maahan'
>>> kalevala_splitted[1][:3]
'maa'
>>

vko-03-harjoitus-06.py

>>> kalevala_splitted
['Kasvoi', 'maahan', 'marjanvarret,', 'kukat', 'kultaiset', 'keolle;', 'ruohot', 'kasvoi', 'kaikenlaiset,', 'mone
nmuotoiset', 'sikesi.', 'Ohra', 'on', 'yksin', 'nousematta,', 'touko', 'kallis', 'kasvamatta.']
>>> kalevala_x_joined = 'X'.join(kalevala_splitted)
>>> kalevala_x_joined
'KasvoiXmaahanXmarjanvarret,XkukatXkultaisetXkeolle;XruohotXkasvoiXkaikenlaiset,XmonenmuotoisetXsikesi.XOhraXonXy
ksinXnousematta,XtoukoXkallisXkasvamatta.'
>>>

vko-03-harjoitus-07.py

# Tässä tehtävässä on voinut saada hieman eri vastauksia, jos Kalevala-teksti 
# on ollut itse tehty, ilman lopussa olevaa rivinvaihtoa. 
# Tämä on otettu huomioon arvostelussa.

>>> [w for w in kalevala_splitted if len(w)>11]
['marjanvarret,', 'kaikenlaiset,', 'monenmuotoiset']
>>> kalevala_splitted.count('marjanvarret')
0
# Listassa on 'marjanvarret,' mutta ei 'marjanvarret' -merkkijonoa. Yhdelläkin merkillä on merkitystä!
>>> len(kalevala)
154
>>> len(kalevala_splitted)
18
# Listan pituus
>>> kalevala_splitted[15]
'touko'
# Täytyy muistaa, että listojen indeksointi alkaa nollasta. 
>>> kalevala_splitted[6]
'ruohot'
>>> sorted(kalevala_splitted)
['Kasvoi', 'Ohra', 'kaikenlaiset,', 'kallis', 'kasvamatta.', 'kasvoi', 'keolle;', 'kukat', 'kultaiset', 'maa
han', 'marjanvarret,', 'monenmuotoiset', 'nousematta,', 'on', 'ruohot', 'sikesi.', 'touko', 'yksin']
>>>
# Lista tulee aakkosjärjestykseen, mutta isolla kirjaimella alkavat sanat ensin. 
# Tässä herää kysymys, miksi? Järjestäminen tapahtuu tässä merkkijonojen ASCII-
# numeroarvon, eikä merkkijonojen luonnollisen aakkosjärjestyksen mukaan. 
# Siihen, mitä ASCII-numeroarvolla tarkoitetaan, tutustutaan kurssilla 
# hieman myöhemmin.

# Hieman extraa: jos listan haluaa järjestää yksinkertaisesti luonnolliseen
#  aakkosjärjestykseen, se onnistuu esimerkiksi näin:
>>> sorted(kalevala_splitted, key = str.lower)
['kaikenlaiset,', 'kallis', 'kasvamatta.', 'Kasvoi', 'kasvoi', 'keolle;', 'kukat', 'kultaiset', 'maahan', 'marjan
varret,', 'monenmuotoiset', 'nousematta,', 'Ohra', 'on', 'ruohot', 'sikesi.', 'touko', 'yksin']
>>> 
# Tässä yksinkertaisessa ratkaisussa ei kuitenkaan oteta huomioon kieliriippuvaisia
# aakkostussääntöjä, joten kaikki tapaukset kattava ratkaisu on vielä 
# hieman monimutkaisempi.

vko-03-harjoitus-08.py

# Tässä tehtävässä on oletettu, että tekstin sisältöä päästään muuttuja tulostamalla
# katsomaan helposti ja sitä kautta saadaan selville, että ohra-sanan esiintymä on
# kirjoitettu suuraakkosin ja sana esiintyy tekstissä vain kerran. Olen hyväksynyt
# myös vastaukset, jossa oikea indeksi on katsottu tekstistä silmämääräisesti.

>>> kalevala_splitted.index('Ohra')
11
>>> kalevala_splitted[11] = 'Kaura'
>>> kalevala_splitted
['Kasvoi', 'maahan', 'marjanvarret,', 'kukat', 'kultaiset', 'keolle;', 'ruohot', 'kasvoi', 'kaikenlaiset,', 'mone
nmuotoiset', 'sikesi.', 'Kaura', 'on', 'yksin', 'nousematta,', 'touko', 'kallis', 'kasvamatta.']
>>> 

vko-03-harjoitus-09.py

# Eräs ratkaisu:

>>> [word for word in kalevala_splitted if word.istitle()]

vko-03-harjoitus-10.py

# Tässä tehtävässä oli olennaisinta tutustua enumerate()-metodiin. 
# Enumerate muodostaa listasta rakenteen, jonka avulla on helppo päästä käsiksi 
# listan indeksiin ja indeksiin liittyvään arvoon. Enumeraten synnyttämää 
# rakennetta voi tutkailla esimerkiksi näin:

>>> names = ['Ukko','Tapio','Ahti','Ilmarinen','Louhi']
>>> enumerate(names)
<enumerate object at 0x93d993c> // tässä syntyi enumerate-rakenne, mutta sitä ei otettu vielä muuttujaan talteen.
>>> enumerated_names = enumerate(names)
>>> enumerated_names.next()
(0, 'Ukko')
>>> enumerated_names.next()
(1, 'Tapio')
>>> enumerated_names.next()
(2, 'Ahti')
>>> enumerated_names.next()
(3, 'Ilmarinen')
>>> enumerated_names.next()
(4, 'Louhi')
>>> enumerated_names.next()
Traceback (most recent call last):
  File "<input>", line 1, in <module>
StopIteration

vko-03-harjoitus-11.py

# Tästä tehtävästä tulikin aiottua hankalampi tehtävään jääneen tulkinnanvaran vuoksi.
# Sulkusanalista-käsitettä ei tavallisesti käytetä tehtävässä ymmärretyssä muodossa,
# eli niin että lista sisältäisi vain yksittäisiä merkkejä. Vain merkkejä sisältävästä
# 'sulkusanalistasta' voisi käyttää yksiselitteisempää nimitystä sulkumerkkilista. 
# Tämä epäselvyys teki tehtävästä hankalan, kun joissain tapauksissa ratkaisussa oli
# otettu huomioon myös suomen kielen sulkusanat, jotka voi ladata käyttöön 
# NLTK:n uumenista. 

# Lisäksi tarkoituksena oli, että tehtäväsarjassa olisi käsitelty jo aiemmin NLTK:n
# tokenize-työkaluja, jotka olisivat helpottaneet tehtävän tekoa jonkin verran. 
# Tokenize-työkalut jäivät kuitenkin pois tehtäväsarjasta (olivat nyt mukana viime
# viikon tehtävissä). Tehtävän sai kuitenkin ratkaistua myös muilla tavoin.

# Alla eräs ratkaisu, jossa sovelletaan vain tähän asti kurssilla harjoiteltuja
# asioita, l. merkkijonokäsittelyä ja indeksejä.

>>> kalevala
'Kasvoi maahan marjanvarret, kukat kultaiset keolle;\nruohot kasvoi kaikenlaiset, monenmuotoiset sikesi.\nOhra on
 yksin nousematta, touko kallis kasvamatta.\n'
>>> punctuation = ['.', ',', ';', ':', '?', '!']
>>> atomized_lowercase_kalevala = [character.lower() for character in kalevala if character not in punctuation]
>>> atomized_lowercase_kalevala
['k', 'a', 's', 'v', 'o', 'i', ' ', 'm', 'a', 'a', 'h', 'a', 'n', ' ', 'm', 'a', 'r', 'j', 'a', 'n', 'v', 'a', 'r
', 'r', 'e', 't', ' ', 'k', 'u', 'k', 'a', 't', ' ', 'k', 'u', 'l', 't', 'a', 'i', 's', 'e', 't', ' ', 'k', 'e', 
'o', 'l', 'l', 'e', '\n', 'r', 'u', 'o', 'h', 'o', 't', ' ', 'k', 'a', 's', 'v', 'o', 'i', ' ', 'k', 'a', 'i', 'k
', 'e', 'n', 'l', 'a', 'i', 's', 'e', 't', ' ', 'm', 'o', 'n', 'e', 'n', 'm', 'u', 'o', 't', 'o', 'i', 's', 'e', 
't', ' ', 's', 'i', 'k', 'e', 's', 'i', '\n', 'o', 'h', 'r', 'a', ' ', 'o', 'n', ' ', 'y', 'k', 's', 'i', 'n', ' 
', 'n', 'o', 'u', 's', 'e', 'm', 'a', 't', 't', 'a', ' ', 't', 'o', 'u', 'k', 'o', ' ', 'k', 'a', 'l', 'l', 'i', 
's', ' ', 'k', 'a', 's', 'v', 'a', 'm', 'a', 't', 't', 'a', '\n']
>>> ''.join(atomized_lowercase_kalevala)
'kasvoi maahan marjanvarret kukat kultaiset keolle\nruohot kasvoi kaikenlaiset monenmuotoiset sikesi\nohra on yksin nousematta touko kallis kasvamatta\n'