13518219792
Wordnet是一个词典。每个词语(word)可能有多个不同的语义，对应不同的sense。而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，一个sense中的多个消除了多义性的词语叫做lemma。例如，“publish”是一个word，它可能有多个sense：
创新互联专注于企业营销型网站、网站重做改版、茶陵网站定制设计、自适应品牌网站建设、成都h5网站建设、购物商城网站建设、集团公司官网建设、外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为茶陵等各大城市提供网站开发制作服务。
1. (39) print,publish -- (put into print; "The newspaper published the news of the royalcouple's divorce"; "These news should not be printed")
2. (14) publish,bring out, put out, issue, release -- (prepare and issue for publicdistribution or sale; "publish a magazine or newspaper")
3. (4) publish,write -- (have (one's written work) issued for publication; "How manybooks did Georges Simenon write?"; "She published 25 books during herlong career")
在第一个sense中，print和publish都是lemma。Sense 1括号内的数字39表示publish以sense 1在某外部语料中出现的次数。显然，publish大多数时候以sense 1出现，很少以sense 3出现。
WordNet的具体用法
NLTK是python的一个自然语言处理工具，其中提供了访问wordnet各种功能的函数。下面简单列举一些常用功能：
得到wordnet本身：
from nltk.corpusimport wordnet
获得一个词的所有sense，包括词语的各种变形的sense：
wordnet.synsets('published')
[Synset('print.v.01'),
Synset('publish.v.02'),
Synset('publish.v.03'),
Synset('published.a.01'),
Synset('promulgated.s.01')]
得到synset的词性：
related.pos
's'
得到一个sense的所有lemma：
wordnet.synsets('publish')[0].lemmas
[Lemma('print.v.01.print'), Lemma('print.v.01.publish')]
得到Lemma出现的次数：
wordnet.synsets('publish')[0].lemmas[1].count()
39
在wordnet中，名词和动词被组织成了完整的层次式分类体系，因此可以通过计算两个sense在分类树中的距离，这个距离反应了它们的语义相似度：
x =wordnet.synsets('recommended')[-1]
y =wordnet.synsets('suggested')[-1]
x.shortest_path_distance(y)
形容词和副词的相似度计算方法：
形容词和副词没有被组织成分类体系，所以不能用path_distance。
a =wordnet.synsets('beautiful')[0]
b =wordnet.synsets('good')[0]
a.shortest_path_distance(b)
-1
形容词和副词最有用的关系是similar to。
a =wordnet.synsets('glorious')[0]
a.similar_tos()
[Synset('incandescent.s.02'),
Synset('divine.s.06'),
……]
8个超好用内置函数set（），eval（），sorted（），reversed（），map（），reduce（），filter（），enumerate（）
python中有许多内置函数，不像print那么广为人知，但它们却异常的强大，用好了可以大大提高代码效率。
这次来梳理下8个好用的python内置函数
1、set()
当需要对一个列表进行去重操作的时候，set()函数就派上用场了。
用于创建一个集合，集合里的元素是无序且不重复的。集合对象创建后，还能使用并集、交集、差集功能。
2、eval()之前有人问如何用python写一个四则运算器，输入字符串公式，直接产生结果。用eval()来做就很简单：eval(str_expression)作用是将字符串转换成表达式，并且执行。
3、sorted()在处理数据过程中，我们经常会用到排序操作，比如将列表、字典、元组里面的元素正/倒排序。这时候就需要用到sorted() ，它可以对任何可迭代对象进行排序，并返回列表。对列表升序操作：
对元组倒序操作：
使用参数：key，根据自定义规则，按字符串长度来排序：
根据自定义规则，对元组构成的列表进行排序：
4、reversed()如果需要对序列的元素进行反转操作，reversed()函数能帮到你。reversed()接受一个序列，将序列里的元素反转，并最终返回迭代器。
5、map()做文本处理的时候，假如要对序列里的每个单词进行大写转化操作。这个时候就可以使用map()函数。
map()会根据提供的函数，对指定的序列做映射，最终返回迭代器。也就是说map()函数会把序列里的每一个元素用指定的方法加工一遍，最终返回给你加工好的序列。举个例子，对列表里的每个数字作平方处理：
6、reduce()前面说到对列表里的每个数字作平方处理，用map()函数。那我想将列表里的每个元素相乘，该怎么做呢？这时候用到reduce()函数。
reduce()会对参数序列中元素进行累积。第一、第二个元素先进行函数操作，生成的结果再和第三个元素进行函数操作，以此类推，最终生成所有元素累积运算的结果。再举个例子，将字母连接成字符串。
你可能已经注意到，reduce()函数在python3里已经不再是内置函数，而是迁移到了functools模块中。这里把reduce()函数拎出来讲，是因为它太重要了。
7、filter()一些数字组成的列表，要把其中偶数去掉，该怎么做呢？
filter()函数轻松完成了任务，它用于过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象。filter()函数和map()、reduce()函数类似，都是将序列里的每个元素映射到函数，最终返回结果。我们再试试，如何从许多单词里挑出包含字母w的单词。
8、enumerate()这样一个场景，同时打印出序列里每一个元素和它对应的顺序号，我们用enumerate()函数做做看。
enumerate翻译过来是枚举、列举的意思，所以说enumerate()函数用于对序列里的元素进行顺序标注，返回(元素、索引)组成的迭代器。再举个例子说明，对字符串进行标注，返回每个字母和其索引。
python编程——编写函数，接收任意多个整数并输出其中的最大值和所有整数之和。
def max_sum(num_list):
sum_num = 0
max_num = int(num_list[0])
num_list = num_list.split(",")
for i in range(len(num_list)):
sum_num = sum_num + int(num_list[i])
if(int(num_list[i]) max_num):
max_num = int(num_list[i])
return sum_num,max_num
if __name__ == '__main__':
num_list = input('请输入一些整数以逗号隔开：')
sum_num,max_num = max_sum(num_list)
print('最大的整数是：',max_num)
print('所有整数之和是：',sum_num)
打印结果：
请输入一些整数以逗号隔开：12,34,56,768
最大的整数是： 768
所有整数之和是： 870
————————————————
版权声明：本文为CSDN博主「管牛牛」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：
Python内置函数有很多，为大家推荐5个神仙级的内置函数：
(1)Lambda函数
用于创建匿名函数，即没有名称的函数。它只是一个表达式，函数体比def简单很多。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了。
Lamdba的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
利用Lamdba函数，往往可以将代码简化许多。
(2)Map函数
会将一个函数映射到一个输入列表的所有元素上，比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表colors中的所有元素。
我们还可以使用匿名函数lamdba来配合map函数，这样可以更加精简。
(3)Reduce函数
当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数。举个例子，当需要计算一个整数列表所有元素的乘积时，即可使用reduce函数实现。
它与函数的最大的区别就是，reduce()里的映射函数(function)接收两个参数，而map接收一个参数。
(4)enumerate函数
用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中。
它的两个参数，一个是序列、迭代器或其他支持迭代对象;另一个是下标起始位置，默认情况从0开始，也可以自定义计数器的起始编号。
(5)Zip函数
用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表
当我们使用zip()函数时，如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同。
一般我们常见的网址后缀(suffix)是 cn,或者net,或者com,你说的就是域名的后缀列表
后面代码就是用dot把域名分隔开，
比如 被拆分成[ ‘www','baidu','com']
经过for循环后，到com的时候，进入if分支，而前面走的是else分支，所以可以看到sdomain的变化如下：
遇到www, sdomain包含['www']
遇到baidu sdomain被替换为['baidu']
遇到com,走if分支，append，变成 ['baidu','com']
然后join后就变成 baidu.com
不过不知道这么些的理由，要是我，就用正则表达式，或者直接保留后面两个部分
domain=url.split('.')
if domain[-1] in suffixs:
return string.join(domain[-2:],'.')
else:
return None #not valid domain
1、定义函数
函数是可重用的程序。本书中已经使用了许多内建函数，如len()函数和range()函数，但是还没自定义过函数。定义函数的语法格式如下：
def 函数名(参数):
函数体
定义函数的规则如下：
①关键字def用来定义一个函数，它是define的缩写。
②函数名是函数的唯一标识，函数名的命名规则遵循标识符的命名规则。
③函数名后面一定要紧跟着一个括号，括号内的参数是可选的，括号后面要有冒号。
④函数体(statement)为一个或一组Python语句，注意要有缩进。
⑤函数体的第一行可以有文档字符串，用于描述函数的功能，用三引号括起来。
按照定义规则，可以定义第一个函数了：
def hello_world():
... print('Hello,world!') # 注意函数体要有缩进
...
hello_world()
Hello,world!
这个函数不带任何参数，它的功能是打印出“Hello,world!”。最后一行代码hello_world()是调用函数，即让Python执行函数的代码。
2、全局变量和局部变量
全局变量是定义在所有函数外的变量。例如，定义一个全局变量a，分别在函数test1()和test2()使用变量a：
a = 100 # 全局变量
def test1():
... print(a)
...
def test2():
... print(a)
...
test1()
100
test2()
100
定义了全局变量a之后，在函数test1()和test2()内都可以使用变量a，由此可知，全局变量的作用范围是全局。
局部变量是在函数内定义的变量，除了用关键字global修饰的变量以外。例如，在函数test1()内定义一个局部变量a，分别在函数外和另一个函数test2()内使用变量a：
def test1():
... a = 100 # 局部变量
... print(a)
...
def test2():
... print(a)
...
test1()
100
print(a)
Traceback (most recent call last):
File "stdin", line 1, in module
NameError: name 'a' is not defined
test2()
Traceback (most recent call last):
File "stdin", line 1, in module
File "stdin", line 2, in test2
NameError: name 'a' is not defined
Python解释器提示出错了。由于局部变量a定义在函数test1()内，因此，在函数test1()内可以使用变量a，但是在函数外或者另一个函数test2()内使用变量a，都会报错，由此可见，局部变量的作用范围是定义它的函数内部。
一般情况下，在函数内声明的变量都是局部变量，但是采用关键字global修饰的变量却是全局变量：
def test1():
... global a # 全局变量
... a = 100
... print(a)
...
def test2():
... print(a)
...
test1()
100
print(a)
100
test2()
100
这个程序与上个程序相比，只是在函数test1()中多了一行代码“global a”，程序便可以正确运行了。在函数test1()中，采用关键字global修饰了变量a之后，变量a就变成了全局变量，不仅可以在该函数内使用，还可以在函数外或者其他函数内使用。
如果在某个函数内局部变量与全局变量同名，那么在该函数中局部变量会覆盖全局变量：
a = 100 # 全局变量
def test1():
... a = 200 # 同名局部变量
... print(a)
...
def test2():
... print(a)
...
test1()
200
test2()
100
由于在函数test1()中定义了一个与全局变量同名的局部变量a，因此，在函数test1()中全局变量a的值被局部变量覆盖了，但是在函数test2()中全局变量a的值没有被覆盖。
综上所述，在Python中，全局变量保存的数据供整个脚本文件使用;而局部变量只用于临时保存数据，变量仅供局部代码块使用。
