lab1 rein

lab1/llei_heaps.py

@@ -0,0 +1,51 @@
+import csv
+import numpy as np
+from scipy.optimize import curve_fit
+
+# Inicialitzar varialbes
+_numOfDocs = 5
+_globatTotalWords = []
+_globalDifferentWords = []
+
+def HEAPS(n, k, b):
+    return k * (n ** b)
+
+
+for i in range(1,_numOfDocs+1):
+    _totalWords = 0
+    _difWords = 0
+    final = False
+    # Num dels arxius de text
+    archivo_csv = "textos" + str(i) + ".csv"
+
+    # Obrir el arxiu CSV 
+    with open(archivo_csv, "r") as csvfile:
+        csvreader = csv.reader(csvfile)
+        # Recorrer cada fila del CSV
+        for row in csvreader:
+        # obtenir el primer valor de la columna(suposant que la primera columna es la que contiene las palabras)
+            palabra = row[0]
+
+            if final: # Guardar ultim valor primera columna
+                palabra = palabra.split(" ")
+                _difWords = int(palabra[0])
+            else:
+                try: # Sumar el valor a _totalWords
+                    _totalWords += int(palabra)
+                except:
+                    final = True
+
+    _globatTotalWords.append(_totalWords)
+    _globalDifferentWords.append(_difWords)
+
+# Imprimir els resultats
+print("Total de paraules:", _globatTotalWords)
+print("Última paraula diferent:", _globalDifferentWords)
+
+_globatTotalWords = np.array(_globatTotalWords)
+_globalDifferentWords = np.array(_globalDifferentWords)
+
+estimated, cov = curve_fit(HEAPS, _globatTotalWords, _globalDifferentWords)
+_k, _b = estimated
+
+print("Estimat per K: " + str(_k) + " //Estimat per  B: " + str(_b))

lab1/llei_zipf.py

@@ -0,0 +1,69 @@
+import sys
+import csv
+import numpy as np
+import matplotlib.pyplot as plt
+from scipy.optimize import curve_fit
+
+def llei_zipf(r,k,a):
+	return k/(r**a)
+
+def crear_grafics(k,alpha):	
+	#recalcular la frequencia trobada -segons alpha i k
+	z=[0]*size
+	for i in range(len(z)):
+		z[i]=llei_zipf(rang[i],k,alpha)
+
+	#grafic llei de zipf
+	plt.figure(figsize=(10,6))
+	plt.scatter(rang,z,marker="s",color='black') 	#frequencia trobada
+	plt.scatter(rang,freq,marker="s",color='blue') #frequencia real index
+	plt.title("Llei Zipf: power laws ?")
+	plt.xlabel("Rang de paraules")
+	plt.ylabel("Frequencia de paraules")
+	plt.show()
+
+	#grafic log-log
+	plt.figure(figsize=(10,6))
+	plt.loglog(rang,z,marker="s",color='black') 	#frequencia trobada
+	plt.loglog(rang,freq,marker="s",color='blue') #frequencia real index
+	plt.title("Llei Zipf: ajustada en log-log")
+	plt.xlabel("Rang de paraules")
+	plt.ylabel("Frequencia de paraules")
+	plt.show()
+
+
+#llegir el .csv
+with open(sys.argv[1],newline='') as File:
+	reader=csv.reader(File)
+	rows=list(reader)
+	rows.pop() #primeres files treure - no info necessaria
+	rows.pop()
+
+#guardar frequencia i rang de cada paraula
+	freq=[]
+	rang=[]	
+	size=len(rows)
+	freq=[0]*size 
+	rang=[0]*size
+
+n=1
+for row in reversed(rows):
+	freq[n-1]=int (row[0])
+	rang[n-1]=int(n)
+	n=n+1
+freq.reverse()
+rang.reverse()
+
+#Crear els grafics 
+	#retorna parametres k i alpha trobats
+param,corv=curve_fit(llei_zipf,rang,freq) 
+k,alpha=param
+print("Amb els valors donats crea els grafics amb alpha: ",alpha, "i k:",k)
+crear_grafics(k,alpha)
+
+	#Usuari donar k i alpha
+input_alpha=float(input("Entra un valor per alpha: "))
+input_k= float(input("Entra un valor per k: "))
+
+print("Amb els valors donats per L'USUARI crea els grafics amb alpha: ",input_alpha,"i k:" ,input_k)
+crear_grafics(input_k,input_alpha)