复合数据类型，英文词频统计

作业来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2753

列表增删改查：

list = ['yes', 'no', 1000, 2000]
print('列表')
print(list)
list.append('Spike')
print('list1.append(he)')#增加
print(list)
del list[2]
print('del list[1]:')#删除
print(list)
list[2]='go'
print('改：list1[2]=go')#改
print(list)
print('查：list1[1]=')#查找
print(list[1])

元组：

增加，修改：元组中的元素值是不允许修改的，但我们可以对元组进行连接组合

'删除：元组不可以删除元素但是可以删除整个元组'

tuple1 =('yes', 'no', 1000, 2000)
print('元组')
print('查：tuple1[0:4]=')
print(tuple1[0:3])

字典的增删改查：

nice ={1:'yes', 2:'no', 3:'1000'}
print('字典')
print(nice)
nice.update({4: '21'})
print('dict[4] = "hello"')#增加
print(nice)
del nice[1]
print('del dict[2]')#删除
print(nice)
print('dict1[4]')#查找
print(nice[4])

集合的增删改查：

nice ={'yes', 'no', '1000'}
print('集合')
print(nice)
nice.add('2000')#增加
print(nice)
nice.discard('1000')#删除
print(nice)
print('\'1000\' in nice','1000' in nice)#查找

 

2.总结列表，元组，字典，集合的联系与区别。参考以下几个方面：

• 括号
• 有序无序
• 可变不可变
• 重复不可重复
• 存储与查找方式

 列表：列表是一组有序项目的数字结构，列表的项目应该放在方括号[ ]中，列表是可以被改变和可重复的；按照索引的方式查找通过偏移存储并且元素可以任意类型存在。

 元组：元组与列表十分相似，可重复也是通过偏移的方式进行存储，不过元组是不可变的即是你是不能对元组中的元素进行修改，而且用的是（）；元组的元素是固定的长度、异构，也是任意嵌套。

 字典：字典使用的是{}，字典是无序的，但是可变可重复；使用键-值（key-value）进行存储，查找速度快；字典的key是不能变的，list不能作为key，字符串、元祖、整数等都可以。

 集合：无序不可变，使用（[ ]），与字典类似，但只包含键，而没有对应的值；元素可以是列表、元组、字典中的任意一个或多个。

六、词频统计

• 1.下载一长篇小说，存成utf-8编码的文本文件 file

  2.通过文件读取字符串 str

  3.对文本进行预处理

  4.分解提取单词 list

  5.单词计数字典 set , dict

  6.按词频排序 list.sort(key=lambda),turple

  7.排除语法型词汇，代词、冠词、连词等无语义词

  • 自定义停用词表
  • 或用stops.txt

       8.输出TOP(20)

• 9.可视化：词云

 

import string
import pandas as pd
def getNumber(x):
    y=x[1]
    return y

file = open('fff.txt','r',encoding='UTF-8').read().lower()
s = "'"
for i in s:
    file = file.replace(s,' ')
song = file.split()
exclude = {'a','the','i','you','and','in','but','not','it','s','if','do','m'}
cun = set(song)-exclude
dis = {}
for i in cun:
    dis[i] = song.count(i)
words = list(dis.items())
words.sort(key=getNumber,reverse=True)
#输出前20
for j in range(20):
    print(words[j])
#保存为csv文件
pd.DataFrame(data=words).to_csv(r'3.csv',encoding='UTF-8')