How to use nltools - 10 common examples
To help you get started, we’ve selected a few nltools examples, based on popular ways it is used in public projects.
Secure your code as it's written. Use Snyk Code to scan source code in minutes - no build needed - and fix issues immediately.
gooofy / py-nltools / tests / test_misc.py View on Github 
tokenize(u'die leistung wurde zurückverlangt')), 0)
self.assertEqual (misc.edit_distance(
tokenize(u'die leistung wurde'),
tokenize(u'die leistung wurde zurückverlangt')), 1)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 3)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE ZURÜCKVERLANGT'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG WURDE ZURÜCKVERLANGT')), 1)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'ZURÜCKVERLANGT')), 3)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'')), 4)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG FOO ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'SIE IST FÜR DIE LEISTUNG DANKBAR'),
tokenize(u'SIE STRITTIG LEISTUNG DANKBAR')), 3)tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG WURDE ZURÜCKVERLANGT')), 1)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'ZURÜCKVERLANGT')), 3)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'')), 4)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG FOO ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'SIE IST FÜR DIE LEISTUNG DANKBAR'),
tokenize(u'SIE STRITTIG LEISTUNG DANKBAR')), 3)tokenize(u'die leistung wurde zurückverlangt'),
tokenize(u'die leistung wurde zurückverlangt')), 0)
self.assertEqual (misc.edit_distance(
tokenize(u'die leistung wurde'),
tokenize(u'die leistung wurde zurückverlangt')), 1)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 3)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE ZURÜCKVERLANGT'),
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG WURDE ZURÜCKVERLANGT')), 1)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'WURDE ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'ZURÜCKVERLANGT')), 3)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'')), 4)
self.assertEqual (misc.edit_distance(
tokenize(u'DIE LEISTUNG WURDE ZURÜCKVERLANGT'),
tokenize(u'LEISTUNG FOO ZURÜCKVERLANGT')), 2)
self.assertEqual (misc.edit_distance(
tokenize(u'SIE IST FÜR DIE LEISTUNG DANKBAR'),
tokenize(u'SIE STRITTIG LEISTUNG DANKBAR')), 3)# Test Regress
dat.X = pd.DataFrame({'Intercept':np.ones(len(dat.Y)),'X1':np.array(dat.Y).flatten()},index=None)
out = dat.regress()
assert out['beta'].shape() == (2,shape_2d[1])
# Test indexing
assert out['t'][1].shape()[0] == shape_2d[1]
# Test threshold
i=1
tt = threshold(out['t'][i], out['p'][i], .05)
assert isinstance(tt,Brain_Data)
# Test write
dat.write(os.path.join(str(tmpdir.join('test_write.nii'))))
assert Brain_Data(os.path.join(str(tmpdir.join('test_write.nii'))))
# Test append
assert dat.append(dat).shape()[0]==shape_2d[0]*2
# Test distance
distance = dat.distance(method='euclidean')
assert distance.shape==(shape_2d[0],shape_2d[0])
# Test predict
stats = dat.predict(algorithm='svm', cv_dict={'type': 'kfolds','n_folds': 2, 'n':len(dat.Y)}, plot=False,**{'kernel':"linear"})
# Support Vector Regression, with 5 fold cross-validation with Platt Scaling
# This will output probabilities of each class
stats = dat.predict(algorithm='svm', cv_dict=None, plot=False,**{'kernel':'linear','probability':True})
assert isinstance(stats['weight_map'],Brain_Data)def test_roc(tmpdir, sim):
r = 10
sigma = .1
y = [0, 1]
n_reps = 10
output_dir = str(tmpdir)
sim.create_data(y, sigma, reps=n_reps, output_dir=None)
dat = Brain_Data(data=sim.data,Y=pd.DataFrame(sim.y))
algorithm = 'svm'
output_dir = str(tmpdir)
# cv = {'type': 'kfolds', 'n_folds': 5, 'subject_id': sim.rep_id}
extra = {'kernel': 'linear'}
output = dat.predict(algorithm='svm',**extra)
# predict = analysis.Predict(sim.data, sim.y, algorithm=algorithm,
# output_dir=output_dir,
# cv_dict=cv,
# **extra)
# predict.predict() # Save_Plot isn't working for SVM analysis, planning on deprecating analysis.Predict at some point, so not a big deal
# predict.predict(save_plot=False)
# Single-Intervalassert isinstance(stats['weight_map'],Brain_Data)
# Ridge classificiation, with 5 fold between-subject cross-validation, where data for each subject is held out together.
stats = dat.predict(algorithm='ridgeClassifier', cv_dict=None,plot=False)
assert isinstance(stats['weight_map'],Brain_Data)
# Test Similarity
r = dat.similarity(stats['weight_map'])
assert len(r)==shape_2d[0]
r2 = dat.similarity(stats['weight_map'].to_nifti())
assert len(r2)==shape_2d[0]
# Test apply_mask - might move part of this to test mask suite
s1 = create_sphere([41, 64, 55], radius=10)
assert isinstance(s1,nb.Nifti1Image)
s2 = Brain_Data(s1)
masked_dat = dat.apply_mask(s1)
assert masked_dat.shape()[1]==np.sum(s2.data!=0)
# Test extract_roi
mask = create_sphere([41, 64, 55], radius=10)
assert len(dat.extract_roi(mask))==shape_2d[0]def test_ipa(self):
res = ipa2xsampa ("EISENBAHN", u"ˈaɪ̯zən̩ˌbaːn")
#print "res: %s" % res
self.assertEqual (res, "'aIz@nba:n")
res = ipa2xsampa ("DIPHTONGTEST", u"aɪɔɪaʊɜ'")
#print "res: %s" % res
self.assertEqual (res, "aIOIaU3")
res = ipa2xsampa ("BON", u"bɔ̃")
#print "res: %s" % res
self.assertEqual (res, "bO~")
res = ipa2xsampa ("RESTAURANT", u"ʁɛstɔʁɑ̃")
#print "res: %s" % res
self.assertEqual (res, "REstORA~")
res = ipa2xsampa ("VIN", u"vɛ̃")
#print "res: %s" % res
self.assertEqual (res, "vE~")
res = ipa2xsampa ("BRUN", u"bʁœ̃")
#print "res: %s" % res
self.assertEqual (res, "bR9~")
res = ipa2xsampa ("POIGNANT", u"pwaɲɑ̃")#print "res: %s" % res
self.assertEqual (res, "'aIz@nba:n")
res = ipa2xsampa ("DIPHTONGTEST", u"aɪɔɪaʊɜ'")
#print "res: %s" % res
self.assertEqual (res, "aIOIaU3")
res = ipa2xsampa ("BON", u"bɔ̃")
#print "res: %s" % res
self.assertEqual (res, "bO~")
res = ipa2xsampa ("RESTAURANT", u"ʁɛstɔʁɑ̃")
#print "res: %s" % res
self.assertEqual (res, "REstORA~")
res = ipa2xsampa ("VIN", u"vɛ̃")
#print "res: %s" % res
self.assertEqual (res, "vE~")
res = ipa2xsampa ("BRUN", u"bʁœ̃")
#print "res: %s" % res
self.assertEqual (res, "bR9~")
res = ipa2xsampa ("POIGNANT", u"pwaɲɑ̃")
#print "res: %s" % res
self.assertEqual (res, "pwaJA~")
res = ipa2mary ("EISENBAHN", u"ˈaɪ̯zən̩ˌbaːn")
#print "res: %s" % res
self.assertEqual (res, "'aIz@nba:n")
res = ipa2mary ("DIPHTONGTEST", u"aɪɔɪaʊɜ'")val1 = "v1"
val2 = "v2"
expected_text = """VAR1=%s
VAR2=%s
""" % (val1, val2)
src_path = os.path.join(str(self.test_dir), "src.txt")
dst_path = os.path.join(str(self.test_dir), "dst.txt")
with open(src_path, "wt") as f:
f.write(template_text)
# when
misc.render_template(src_path, dst_path, val1=val1, val2=val2)
# then
with open(dst_path) as f:
actual_text = f.read()
self.assertEqual(expected_text, actual_text)def test_tts_espeak(self):
config = misc.load_config('.speechrc')
tts = TTS(config.get('tts', 'host'), int(config.get('tts', 'port')))
tts.engine = 'espeak'
first = True
for v, word, ph in ESPEAK_TESTS:
tts.locale = v
tts.voice = v
espeak_ph = tts.gen_ipa (word)
self.assertEqual (espeak_ph, ph)
wav = tts.synthesize (word)
logging.debug('wav len: %d bytes.' % len(wav))
self.assertGreater (len(wav), 100)nltools
A Python package to analyze neuroimaging data
Package Health Score
60 / 100Popular nltools functions
- nltools.asr.ASR
- nltools.data.adjacency.Adjacency
- nltools.data.Brain_Data
- nltools.data.design_matrix.Design_Matrix
- nltools.misc
- nltools.misc.copy_file
- nltools.misc.edit_popup
- nltools.misc.init_app
- nltools.misc.limit_str
- nltools.misc.load_config
- nltools.misc.message_popup
- nltools.misc.mkdirs
- nltools.misc.render_template
- nltools.phonetics.ipa2mary
- nltools.phonetics.ipa2xsampa
- nltools.phonetics.xsampa2ipa
- nltools.sequiturclient.sequitur_gen_ipa
- nltools.tokenizer.tokenize
- nltools.tts.TTS
- nltools.utils.check_brain_data