用python代价写出NLTK对obama.txt语料库进行对应的分词和词频统计，再对布朗语料库进行词性和句法分析。

好的，以下是代码实现：

首先需要安装NLTK库，可以使用以下命令进行安装：

pip install nltk

然后导入需要使用的库：

import nltk
from nltk.tokenize import word_tokenize
from nltk.probability import FreqDist
from nltk.corpus import brown

对于obama.txt语料库，我们可以先读取文件内容，并对其进行分词：

with open('obama.txt', 'r') as file:
    obama_text = file.read()

obama_tokens = word_tokenize(obama_text)

接着，我们可以使用FreqDist函数对分词后的结果进行词频统计，并输出前10个出现频率最高的单词：

fdist = FreqDist(obama_tokens)
print(fdist.most_common(10))

对于布朗语料库，我们可以首先进行词性标注和句法分析：

brown_tagged_sents = brown.tagged_sents()
brown_sents = brown.sents()

unigram_tagger = nltk.UnigramTagger(brown_tagged_sents)
brown_tagged_words = unigram_tagger.tag(brown_sents[0])

grammar = nltk.CFG.fromstring("""
    S -> NP VP
    PP -> P NP
    NP -> Det N | Det N PP | 'I'
    VP -> V NP | VP PP
    Det -> 'an' | 'my'
    N -> 'elephant' | 'pajamas'
    V -> 'shot'
    P -> 'in'
    """)

parser = nltk.ChartParser(grammar)
trees = parser.parse(brown_sents[0])
for tree in trees:
    print(tree)

以上代码实现了对布朗语料库第一句话进行词性标注和句法分析，其中使用了UnigramTagger进行词性标注，使用CFG和ChartParser进行句法分析。

完整代码如下：

import nltk
from nltk.tokenize import word_tokenize
from nltk.probability import FreqDist
from nltk.corpus import brown

# 分词和词频统计
with open('obama.txt', 'r') as file:
    obama_text = file.read()

obama_tokens = word_tokenize(obama_text)

fdist = FreqDist(obama_tokens)
print(fdist.most_common(10))

# 词性标注和句法分析
brown_tagged_sents = brown.tagged_sents()
brown_sents = brown.sents()

unigram_tagger = nltk.UnigramTagger(brown_tagged_sents)
brown_tagged_words = unigram_tagger.tag(brown_sents[0])

grammar = nltk.CFG.fromstring("""
    S -> NP VP
    PP -> P NP
    NP -> Det N | Det N PP | 'I'
    VP -> V NP | VP PP
    Det -> 'an' | 'my'
    N -> 'elephant' | 'pajamas'
    V -> 'shot'
    P -> 'in'
    """)

parser = nltk.ChartParser(grammar)
trees = parser.parse(brown_sents[0])
for tree in trees:
    print(tree)