Python 実践　データ加工/可視化　１００本ノック　に挑戦　ノック54

Python 実践　データ加工/可視化　１００本ノック」を購入したので、

一通りやっているところです。今日はノック54を行います。

資料は以下から入手できます。

Python実践データ加工/可視化 100本ノック｜サポート｜秀和システム

ノック54：形態素解析で単語に分解しよう

MeCabを使用して文章を最小単位に分解します。

1.MeCabのインストール方法

MeCabのURLに移動します。

taku910.github.io

下にスクロールするとダウンロードと記載されているので、mecab-0.996.exeをダウンロードします。

mecab-0.996.exeを起動すると、以下の画面が表示されるのでOKをクリックします。

次の画面はそのまま「次へ」をクリックします。

文字コードは通常はSHIFT-JISを選択と書かれていますが、汎用性を考慮してUTF-8を選びました。

同意するで次へ

インストール先にこだわりがなければ次へ

次もそのまま次へ

最後にインストールをクリックします。

以下のような表示が出てきます。問題なければOKを。

すると1分ほどかかるとメッセージが表示されます。

完了画面が表示されると完了です。

VSCコードに移動してpip install mecab-python3を実行すれば完了です。

２．動作確認

ノック53で作成したデータbooklistに対して実行します。

先頭の4行のみ表示します。

import MeCab
tagger = MeCab.Tagger()
body = booklist.iloc[0,4]
parsed = tagger.parse(body).split('\n')
print(parsed[:4])

実行結果

['メロス\t名詞,一般,*,*,*,*,*', 'は\t助詞,係助詞,*,*,*,*,は,ハ,ワ', '激怒\t名詞,サ変接続,*,*,*,*,激怒,ゲキド,ゲキド', 'し\t動詞,自立,*,*,サ変・スル,連用形,する,シ,シ']

単語に分解されました。

末尾4行を実行する場合はマイナスをつけます。

print(parsed[-4:])

実行結果

['メロス\t名詞,一般,*,*,*,*,*', 'は\t助詞,係助詞,*,*,*,*,は,ハ,ワ', '激怒\t名詞,サ変接続,*,*,*,*,激怒,ゲキド,ゲキド', 'し\t動詞,自立,*,*,サ変・スル,連用形,する,シ,シ']
['た\t助動詞,*,*,*,特殊・タ,基本形,た,タ,タ', '。\t記号,句点,*,*,*,*,。,。,。', 'EOS', '']

不要な最後の2行　', 'EOS', 　を削除します。

parsed = parsed[:-2]
print(parsed[-4:])

実行結果

['た\t助動詞,*,*,*,特殊・タ,基本形,た,タ,タ', '。\t記号,句点,*,*,*,*,。,。,。', 'EOS', '']
['赤面\t名詞,サ変接続,*,*,*,*,赤面,セキメン,セキメン', 'し\t動詞,自立,*,*,サ変・スル,連用形,する,シ,シ', 'た\t助動詞,*,*,*,特殊・タ,基本形,
た,タ,タ', '。\t記号,句点,*,*,*,*,。,。,。']