python - 是否可以创建一个由另一个列表的一定百分比元素组成的列表？

Question

我正在尝试从语料库创建一个依赖解析器。语料库采用 conll 格式，因此我有一个函数可以读取文件并返回列表列表，其中每个列表都是一个已解析的句子(我正在使用的语料库已经解析，我的工作是在这个中找到另一个替代方案解析)。我的教授要求仅随机选取该语料库中 5% 的句子，因为它太大了。

我尝试创建一个空列表并使用附加功能，但我不知道如何通过索引指定我想要语料库的每 100 个句子中的 5 个

我为转换 conll 文件所做的函数如下:

import os, nltk, glob
def read_files(path):
    """
    Function to load Ancora Dependency corpora (GLICOM style)
    path = full path to the files
    returns de corpus in sentences
        each sentence is a list of tuples
            each tuple is a token with the follwoing info:
                index of the token in the sentence
                token
                lemma
                POS /es pot eliminar
                POS
                FEAT /es pot eliminar
                head
                DepRelation
    """
    corpus = []
    for f in glob.glob(path):
        sents1 = open(f).read()[185:-2].split('\n\n')
        sents2 = []
        for n in range(len(sents1)):
            sents2.append(sents1[n].split('\n'))
        sents3 = []
        for s in sents2:
            sent = []
            for t in s:
                sent.append(tuple(t.split('\t')))
            sents3.append(sent)
        corpus.extend(sents3)
    return corpus

我想要一种从语料库中每 100 个句子中选择 5 个句子的方法，这样我就可以得到一个仅包含这些句子的列表列表。 提前致谢!

Answer 1

只需使用random.sample:

# define path here
corpus = read_files(path)

random.sample(corpus, len(corpus) // 20)