{ "cells": [ { "cell_type": "code", "execution_count": 1, "id": "e64c056f", "metadata": {}, "outputs": [], "source": [ "import pandas as pd" ] }, { "cell_type": "code", "execution_count": 2, "id": "8d40ed0f", "metadata": {}, "outputs": [], "source": [ "plots=pd.read_csv('tagsText.tsv', sep='\\t')\n", "plots1=pd.read_csv('tagsText1.tsv', sep='\\t')\n", "plots=plots.append(plots1, ignore_index=True)\n", "del plots1" ] }, { "cell_type": "code", "execution_count": 3, "id": "b463604b", "metadata": {}, "outputs": [ { "name": "stderr", "output_type": "stream", "text": [ "C:\\Users\\PC\\anaconda3\\lib\\site-packages\\gensim\\similarities\\__init__.py:15: UserWarning: The gensim.similarities.levenshtein submodule is disabled, because the optional Levenshtein package is unavailable. Install Levenhstein (e.g. `pip install python-Levenshtein`) to suppress this warning.\n", " warnings.warn(msg)\n" ] } ], "source": [ "from nltk.tokenize import wordpunct_tokenize\n", "from nltk.tokenize import word_tokenize\n", "import spacy\n", "nlp= spacy.load('en_core_web_md')\n", "from nltk.corpus import stopwords\n", "from gensim.utils import simple_preprocess\n", "stopwords= stopwords.words('english')\n", "stopwords.extend(['nude','nudity','male','female','men','women','boy','girl','age','frontal','pubic','woman','man','hair',\\\n", " 'underwear', 'pant','sex',\"'s\", 'aaaxxxyyy','sexual'])" ] }, { "cell_type": "code", "execution_count": 4, "id": "bd3a5921", "metadata": {}, "outputs": [], "source": [ "words=[]\n", "def preprocess(text):\n", " text=' '.join(simple_preprocess(text, deacc= True))\n", " doc= nlp(text)\n", " text=[]\n", " for token in doc:\n", " lemma= token.lemma_\n", " if lemma not in stopwords:\n", " text.append(lemma)\n", " if lemma not in words and len(lemma)> 2:\n", " words.append(lemma)\n", " text=' '.join(text)\n", " \n", " return text" ] }, { "cell_type": "code", "execution_count": 5, "id": "aabb2527", "metadata": {}, "outputs": [], "source": [ "plots= plots['0'].apply( lambda x : preprocess(x))" ] }, { "cell_type": "code", "execution_count": 6, "id": "2459633d", "metadata": { "scrolled": true }, "outputs": [ { "data": { "text/plain": [ "17430" ] }, "execution_count": 6, "metadata": {}, "output_type": "execute_result" } ], "source": [ "len(words)" ] }, { "cell_type": "code", "execution_count": null, "id": "88db2890", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": null, "id": "a3cf7d22", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 7, "id": "24727335", "metadata": {}, "outputs": [], "source": [ "freq_words=[]\n", "#times=[]\n", "def freq():\n", " for word in words:\n", " wc=0\n", " for plot in plots.to_list():\n", " t=[]\n", " if word in plot:\n", " wc+=1\n", " if wc > 3:\n", " freq_words.append(word)\n", " #t.append(plot.count(word))\n", " # times.append(t)\n", " \n", "freq() " ] }, { "cell_type": "code", "execution_count": 8, "id": "b23555f6", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "8824" ] }, "execution_count": 8, "metadata": {}, "output_type": "execute_result" } ], "source": [ "len(freq_words)" ] }, { "cell_type": "code", "execution_count": null, "id": "cc28ce76", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 182, "id": "fd268589", "metadata": {}, "outputs": [], "source": [ "from nltk.corpus import wordnet\n", "import numpy as np\n", "from statistics import mean" ] }, { "cell_type": "code", "execution_count": 181, "id": "478aad62", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 184, "id": "0f9fa1eb", "metadata": {}, "outputs": [], "source": [ "df= pd.DataFrame( np.zeros(( len(freq_words) , len(freq_words) )) , index= freq_words, columns= freq_words )" ] }, { "cell_type": "code", "execution_count": 185, "id": "b5a7ea77", "metadata": {}, "outputs": [], "source": [ "def similarity(x, y):\n", " x= wordnet.synsets(x)\n", " y=wordnet.synsets(y)\n", " sim=[]\n", " if len(x)!=0 and len(y)!=0:\n", " for i in x:\n", " for j in y:\n", " sim.append(wordnet.wup_similarity(i,j))\n", " else:\n", " sim=[10,0]\n", " sim=mean(sim)\n", " return sim,sim" ] }, { "cell_type": "code", "execution_count": 191, "id": "718db755", "metadata": {}, "outputs": [], "source": [ "def assign():\n", " k=0\n", " for i, word1 in enumerate(freq_words):\n", " print(k)\n", " for j, word2 in enumerate(freq_words[k-1:]):\n", " if word1 != word2 and i\u001b[0m in \u001b[0;36m\u001b[1;34m\u001b[0m\n\u001b[1;32m----> 1\u001b[1;33m \u001b[0massign\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m", "\u001b[1;32m\u001b[0m in \u001b[0;36massign\u001b[1;34m()\u001b[0m\n\u001b[0;32m 5\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0mj\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mword2\u001b[0m \u001b[1;32min\u001b[0m \u001b[0menumerate\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mfreq_words\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0mk\u001b[0m\u001b[1;33m-\u001b[0m\u001b[1;36m1\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 6\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0mword1\u001b[0m \u001b[1;33m!=\u001b[0m \u001b[0mword2\u001b[0m \u001b[1;32mand\u001b[0m \u001b[0mi\u001b[0m\u001b[1;33m<\u001b[0m\u001b[0mj\u001b[0m \u001b[1;32mand\u001b[0m \u001b[0mdf\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0miloc\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0mi\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0mj\u001b[0m\u001b[1;33m]\u001b[0m \u001b[1;33m==\u001b[0m\u001b[1;36m0\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m----> 7\u001b[1;33m \u001b[0mdf\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0miloc\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0mi\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0mj\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mdf\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0miloc\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0mj\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0mi\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0msimilarity\u001b[0m\u001b[1;33m(\u001b[0m \u001b[0mword1\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mword2\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 8\u001b[0m \u001b[0mk\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mk\u001b[0m\u001b[1;33m+\u001b[0m\u001b[1;36m1\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;32m\u001b[0m in \u001b[0;36msimilarity\u001b[1;34m(x, y)\u001b[0m\n\u001b[0;32m 6\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0mi\u001b[0m \u001b[1;32min\u001b[0m \u001b[0mx\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 7\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0mj\u001b[0m \u001b[1;32min\u001b[0m \u001b[0my\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m----> 8\u001b[1;33m \u001b[0msim\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mappend\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mwordnet\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mwup_similarity\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mi\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0mj\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 9\u001b[0m \u001b[1;32melse\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 10\u001b[0m \u001b[0msim\u001b[0m\u001b[1;33m=\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;36m10\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;36m0\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;32m~\\anaconda3\\lib\\site-packages\\nltk\\corpus\\reader\\wordnet.py\u001b[0m in \u001b[0;36mwup_similarity\u001b[1;34m(self, synset1, synset2, verbose, simulate_root)\u001b[0m\n\u001b[0;32m 1810\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 1811\u001b[0m \u001b[1;32mdef\u001b[0m \u001b[0mwup_similarity\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mself\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0msynset1\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0msynset2\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mverbose\u001b[0m\u001b[1;33m=\u001b[0m\u001b[1;32mFalse\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0msimulate_root\u001b[0m\u001b[1;33m=\u001b[0m\u001b[1;32mTrue\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 1812\u001b[1;33m \u001b[1;32mreturn\u001b[0m \u001b[0msynset1\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mwup_similarity\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0msynset2\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mverbose\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0msimulate_root\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 1813\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 1814\u001b[0m \u001b[0mwup_similarity\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m__doc__\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mSynset\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mwup_similarity\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m__doc__\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;32m~\\anaconda3\\lib\\site-packages\\nltk\\corpus\\reader\\wordnet.py\u001b[0m in \u001b[0;36mwup_similarity\u001b[1;34m(self, other, verbose, simulate_root)\u001b[0m\n\u001b[0;32m 965\u001b[0m \u001b[1;31m# subsuming. Add this to the LCS path length to get the path\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 966\u001b[0m \u001b[1;31m# length from each synset to the root.\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 967\u001b[1;33m len1 = self.shortest_path_distance(\n\u001b[0m\u001b[0;32m 968\u001b[0m \u001b[0msubsumer\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0msimulate_root\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0msimulate_root\u001b[0m \u001b[1;32mand\u001b[0m \u001b[0mneed_root\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 969\u001b[0m )\n", "\u001b[1;32m~\\anaconda3\\lib\\site-packages\\nltk\\corpus\\reader\\wordnet.py\u001b[0m in \u001b[0;36mshortest_path_distance\u001b[1;34m(self, other, simulate_root)\u001b[0m\n\u001b[0;32m 800\u001b[0m \u001b[1;32mreturn\u001b[0m \u001b[1;36m0\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 801\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 802\u001b[1;33m \u001b[0mdist_dict1\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_shortest_hypernym_paths\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0msimulate_root\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 803\u001b[0m \u001b[0mdist_dict2\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mother\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_shortest_hypernym_paths\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0msimulate_root\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 804\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;32m~\\anaconda3\\lib\\site-packages\\nltk\\corpus\\reader\\wordnet.py\u001b[0m in \u001b[0;36m_shortest_hypernym_paths\u001b[1;34m(self, simulate_root)\u001b[0m\n\u001b[0;32m 767\u001b[0m \u001b[1;32mwhile\u001b[0m \u001b[0mqueue\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 768\u001b[0m \u001b[0ms\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mdepth\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mqueue\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mpopleft\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 769\u001b[1;33m \u001b[1;32mif\u001b[0m \u001b[0ms\u001b[0m \u001b[1;32min\u001b[0m \u001b[0mpath\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 770\u001b[0m \u001b[1;32mcontinue\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 771\u001b[0m \u001b[0mpath\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0ms\u001b[0m\u001b[1;33m]\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mdepth\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;32m~\\anaconda3\\lib\\site-packages\\nltk\\corpus\\reader\\wordnet.py\u001b[0m in \u001b[0;36m__hash__\u001b[1;34m(self)\u001b[0m\n\u001b[0;32m 199\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 200\u001b[0m \u001b[1;32mdef\u001b[0m \u001b[0m__hash__\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mself\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 201\u001b[1;33m \u001b[1;32mreturn\u001b[0m \u001b[0mhash\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_name\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 202\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 203\u001b[0m \u001b[1;32mdef\u001b[0m \u001b[0m__eq__\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mself\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mother\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", "\u001b[1;31mKeyboardInterrupt\u001b[0m: " ] } ], "source": [ "assign()" ] }, { "cell_type": "code", "execution_count": 194, "id": "efafd76a", "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wrongfulimprisonmentbaseworkstephenkingprisonescapevoicenarration...faithfulnigerimpbibditchzengetadisembowelhypemend
wrongful0.0000000.1724940.1788920.2215520.1831570.4590270.2658540.1876990.2422670.322769...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
imprisonment0.1724940.0000000.1788920.1749420.1281050.1462600.2354850.2668940.2836040.329760...0.2170620.1177560.2147230.1240280.1423220.2251940.1203700.1587300.1936640.203403
base0.1788920.1788920.0000000.2400270.2256120.2202860.2056210.2192390.1998300.185588...0.2115390.2126370.2341740.2179660.1859990.2668450.2360940.1762600.2017430.000000
work0.2215520.1749420.2400270.0000000.2673990.1802730.2306540.2480540.2082370.279991...0.1748210.1997440.2316100.1594450.1928600.2804390.1780340.2080560.0000000.000000
stephen0.1831570.1281050.2256120.2673990.0000000.2090650.2123510.1822470.2504220.169587...0.3206420.2115250.2166670.4444440.1666670.1357470.2088510.0000000.0000000.000000
..................................................................
zen0.0000000.2251940.2668450.2804390.1357470.1937230.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
geta0.0000000.1203700.2360940.1780340.2088510.0000000.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
disembowel0.0000000.1587300.1762600.2080560.0000000.0000000.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
hype0.0000000.1936640.2017430.0000000.0000000.0000000.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
mend0.0000000.2034030.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000
\n", "

8824 rows × 8824 columns

\n", "
" ], "text/plain": [ " wrongful imprisonment base work stephen king \\\n", "wrongful 0.000000 0.172494 0.178892 0.221552 0.183157 0.459027 \n", "imprisonment 0.172494 0.000000 0.178892 0.174942 0.128105 0.146260 \n", "base 0.178892 0.178892 0.000000 0.240027 0.225612 0.220286 \n", "work 0.221552 0.174942 0.240027 0.000000 0.267399 0.180273 \n", "stephen 0.183157 0.128105 0.225612 0.267399 0.000000 0.209065 \n", "... ... ... ... ... ... ... \n", "zen 0.000000 0.225194 0.266845 0.280439 0.135747 0.193723 \n", "geta 0.000000 0.120370 0.236094 0.178034 0.208851 0.000000 \n", "disembowel 0.000000 0.158730 0.176260 0.208056 0.000000 0.000000 \n", "hype 0.000000 0.193664 0.201743 0.000000 0.000000 0.000000 \n", "mend 0.000000 0.203403 0.000000 0.000000 0.000000 0.000000 \n", "\n", " prison escape voice narration ... faithful \\\n", "wrongful 0.265854 0.187699 0.242267 0.322769 ... 0.000000 \n", "imprisonment 0.235485 0.266894 0.283604 0.329760 ... 0.217062 \n", "base 0.205621 0.219239 0.199830 0.185588 ... 0.211539 \n", "work 0.230654 0.248054 0.208237 0.279991 ... 0.174821 \n", "stephen 0.212351 0.182247 0.250422 0.169587 ... 0.320642 \n", "... ... ... ... ... ... ... \n", "zen 0.000000 0.000000 0.000000 0.000000 ... 0.000000 \n", "geta 0.000000 0.000000 0.000000 0.000000 ... 0.000000 \n", "disembowel 0.000000 0.000000 0.000000 0.000000 ... 0.000000 \n", "hype 0.000000 0.000000 0.000000 0.000000 ... 0.000000 \n", "mend 0.000000 0.000000 0.000000 0.000000 ... 0.000000 \n", "\n", " niger imp bib ditch zen geta \\\n", "wrongful 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "imprisonment 0.117756 0.214723 0.124028 0.142322 0.225194 0.120370 \n", "base 0.212637 0.234174 0.217966 0.185999 0.266845 0.236094 \n", "work 0.199744 0.231610 0.159445 0.192860 0.280439 0.178034 \n", "stephen 0.211525 0.216667 0.444444 0.166667 0.135747 0.208851 \n", "... ... ... ... ... ... ... \n", "zen 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "geta 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "disembowel 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "hype 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "mend 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 \n", "\n", " disembowel hype mend \n", "wrongful 0.000000 0.000000 0.000000 \n", "imprisonment 0.158730 0.193664 0.203403 \n", "base 0.176260 0.201743 0.000000 \n", "work 0.208056 0.000000 0.000000 \n", "stephen 0.000000 0.000000 0.000000 \n", "... ... ... ... \n", "zen 0.000000 0.000000 0.000000 \n", "geta 0.000000 0.000000 0.000000 \n", "disembowel 0.000000 0.000000 0.000000 \n", "hype 0.000000 0.000000 0.000000 \n", "mend 0.000000 0.000000 0.000000 \n", "\n", "[8824 rows x 8824 columns]" ] }, "execution_count": 194, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df" ] }, { "cell_type": "code", "execution_count": null, "id": "78797ca2", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 199, "id": "f69dd797", "metadata": {}, "outputs": [], "source": [ "df2= df.iloc[0,:]" ] }, { "cell_type": "code", "execution_count": 200, "id": "20102f47", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "['harlot', 'infidelity', 'gunshot', 'easy', 'king', 'player', 'clown']" ] }, "execution_count": 200, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df2[(df2>0.4) & (df2<1)].sort_values(ascending= False).index.to_list()" ] }, { "cell_type": "code", "execution_count": 165, "id": "52ef5606", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[0.7058823529411765,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.5454545454545454,\n", " 0.7058823529411765,\n", " 0.7142857142857143,\n", " 0.6,\n", " 0.6,\n", " 0.5263157894736842,\n", " 0.5454545454545454,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.625,\n", " 0.6153846153846154,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.875,\n", " 0.9473684210526315,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5263157894736842,\n", " 0.8888888888888888,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.7058823529411765,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.6153846153846154,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5454545454545454,\n", " 0.6,\n", " 0.7058823529411765,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.7142857142857143,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.6153846153846154,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5263157894736842,\n", " 0.6153846153846154,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.8235294117647058,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.7058823529411765,\n", " 0.7058823529411765,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.8,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.5217391304347826,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.7692307692307693,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.7777777777777778,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.7058823529411765,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.6153846153846154,\n", " 0.5714285714285714,\n", " 0.7,\n", " 0.5454545454545454,\n", " 0.7368421052631579,\n", " 0.631578947368421,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.6153846153846154,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.5454545454545454,\n", " 0.5882352941176471,\n", " 0.6153846153846154,\n", " 0.625,\n", " 0.8235294117647058,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5454545454545454,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.5555555555555556,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.6153846153846154,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.5263157894736842,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5263157894736842,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.8,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.8,\n", " 0.5555555555555556,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.8235294117647058,\n", " 0.6666666666666666,\n", " 0.8,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.5454545454545454,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.6,\n", " 0.8888888888888888,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.5217391304347826,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.5454545454545454,\n", " 0.625,\n", " 0.8235294117647058,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.7058823529411765,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.8235294117647058,\n", " 0.5882352941176471,\n", " 0.5882352941176471,\n", " 0.7368421052631579,\n", " 0.7,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.6153846153846154,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.6153846153846154,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.6153846153846154,\n", " 0.6666666666666666,\n", " 0.8421052631578947,\n", " 0.6666666666666666,\n", " 0.6153846153846154,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.9411764705882353,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.8,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.5454545454545454,\n", " 0.625,\n", " 0.8421052631578947,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.7368421052631579,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.8,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.8,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.7,\n", " 0.5217391304347826,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.7058823529411765,\n", " 0.5555555555555556,\n", " 0.625,\n", " 0.7,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.7058823529411765,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.6153846153846154,\n", " 0.6,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.7058823529411765,\n", " 0.5714285714285714,\n", " 0.7058823529411765,\n", " 0.8421052631578947,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.875,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.5217391304347826,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5454545454545454,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.8888888888888888,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.7777777777777778,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.5263157894736842,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.625,\n", " 0.7777777777777778,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.7058823529411765,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5217391304347826,\n", " 0.5454545454545454,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.7058823529411765,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.7368421052631579,\n", " 0.5454545454545454,\n", " 0.5454545454545454,\n", " 0.6,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.7,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.6,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.5714285714285714,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5454545454545454,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5454545454545454,\n", " 0.6,\n", " 0.6,\n", " 0.5263157894736842,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.8235294117647058,\n", " 0.5263157894736842,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.6153846153846154,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.7368421052631579,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.7058823529411765,\n", " 0.631578947368421,\n", " 0.6,\n", " 0.625,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.7777777777777778,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.8,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.5217391304347826,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.625,\n", " 0.6153846153846154,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.8235294117647058,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5555555555555556,\n", " 0.7058823529411765,\n", " 0.5263157894736842,\n", " 0.5263157894736842,\n", " 0.625,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.5217391304347826,\n", " 0.6,\n", " 0.5263157894736842,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.631578947368421,\n", " 0.6153846153846154,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.5263157894736842,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.9411764705882353,\n", " 0.5555555555555556,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.625,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.5882352941176471,\n", " 0.7058823529411765,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.625,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5555555555555556,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5714285714285714,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.5555555555555556,\n", " 0.7058823529411765,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.625,\n", " 0.7058823529411765,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.7777777777777778,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.625,\n", " 0.7058823529411765,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.7058823529411765,\n", " 0.6153846153846154,\n", " 0.5217391304347826,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.7058823529411765,\n", " 0.5333333333333333,\n", " 0.5454545454545454,\n", " 0.5263157894736842,\n", " 0.5333333333333333,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.5263157894736842,\n", " 0.5263157894736842,\n", " 0.5263157894736842,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.625,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.5555555555555556,\n", " 0.7777777777777778,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.5454545454545454,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.6153846153846154,\n", " 0.5882352941176471,\n", " 0.625,\n", " 0.631578947368421,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.631578947368421,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.631578947368421,\n", " 0.7058823529411765,\n", " 0.5333333333333333,\n", " 0.7058823529411765,\n", " 0.7142857142857143,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.5714285714285714,\n", " 0.625,\n", " 0.5714285714285714,\n", " 0.7368421052631579,\n", " 0.5263157894736842,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.8421052631578947,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.7777777777777778,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.5714285714285714,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.5555555555555556,\n", " 0.5263157894736842,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5882352941176471,\n", " 0.5555555555555556,\n", " 0.6153846153846154,\n", " 0.625,\n", " 0.5555555555555556,\n", " 0.5714285714285714,\n", " 0.5714285714285714,\n", " 0.5555555555555556,\n", " 0.6,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.5882352941176471,\n", " 0.6666666666666666,\n", " 0.5263157894736842,\n", " 0.5555555555555556,\n", " 0.5333333333333333,\n", " 0.5882352941176471,\n", " 0.5333333333333333,\n", " 0.5263157894736842,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.625,\n", " 0.5882352941176471,\n", " 0.5882352941176471,\n", " 0.6,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5333333333333333,\n", " 0.631578947368421,\n", " 0.5333333333333333,\n", " 0.6666666666666666,\n", " 0.5714285714285714,\n", " 0.6,\n", " 0.7058823529411765,\n", " 0.5882352941176471,\n", " 0.631578947368421,\n", " 0.5263157894736842,\n", " 0.6666666666666666,\n", " 0.5555555555555556,\n", " 0.6666666666666666,\n", " 0.6,\n", " 0.5263157894736842,\n", " ...]" ] }, "execution_count": 165, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df2[(df2>0.5) & (df2<1)].to_list()" ] }, { "cell_type": "code", "execution_count": null, "id": "bf76a5f6", "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.8.8" } }, "nbformat": 4, "nbformat_minor": 5 }