复合数据类型，英文词频统计

 

 

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

1.列表，元组，字典，集合分别如何增删改查及遍历。

列表操作：

#列表
list1 = ['speakingSirqin', 'softqin', 1999, 2000]
list2 = [1, 2, 3, 4, 5 ]
list3 = ["a", "b", "c", "d"]
#输出
print(list1)
print(list2)
print(list3)
print(list2[0:2])#下标0开始,下标2结束，但不包含下标2所对应的上键(元素)'
#增加
list1.insert(2,'lili')
list1.insert(5,'qin')
print(list1)
#删除
list2.pop(0)
print(list2)
#修改
list3[1]='A'
print(list3)
#查找
index=list3.index('c')
print("找到c在列表3的下标为：",index)

#列表的增删改查

 

元组操作：

#元组
tup1 = ('Google', 'Runoob', 1997, 2000)
tup2 = (1, 2, 3, 4, 5, 8)
tup3 = "a", "b", "c", "d"
#输出
print(tup1)
print(tup2)
print(tup3)
print(tup1[0])
print(tup2[1:3])
#连接元组
tup4=tup1+tup2+tup3
print(tup4)

字典操作：

dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
 
print ("dict['Name']: ", dict['Name'])
print ("dict['Age']: ", dict['Age'])

 集合操作：

num = {1,2,3,4,5}          #定义一个集合
print('增加：\n元素原本为：{}'.format(num))
num.add(6)
print('num.add(6):增加一个元素 结果:{}'.format(num))
print('删除：\n元素原本为：{}'.format(num))
num.remove(1)
print('num.remove(1):删除1这个元素，若集合没有1则出错 结果:{}'.format(num))
num.pop()
print('num.pop():随机删除一个元素， 结果:{}'.format(num))
print('查询：\n元素原本为：{}'.format(num))
print('1 in num:查询1这个元素是否存在，是则是true， 结果:{}'.format(1 in num))
print('遍历：\n元素原本为：{}'.format(num))
print('for num in set1:print(num)：便利整个集合  结果:')
for num1 in num:
    print(num1)

 

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	元组	字典	集合
括号	[]	()	{}	{}或set()
有序无序	有序	有序	无序	无序，自动正序
可变不可变	可变	不可变	可变	不可变
重复不重复	是	是	否	是
存储方式	值	值	键（不可重复）	键值对（键不能重复）

 

 

 

 

 

 

3.词频统计

• 1.通过文件读取字符串 str

  2.对文本进行预处理

  3.分解提取单词 list

  4.单词计数字典 set , dict

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

 代码：

import string
import pandas as pd

##定义获取文件并处理函数
def getstr():
    txt = open(r"..\python1\what", "r").read().lower()

    for c in string.punctuation:
        txt = txt.replace(c, " ")
    return txt

'''将文本分成单词'''
txtDC=getstr().split()

#过滤无意词
ex = {'a','an','and','was','as','up','my','it','here','at','ll','his','s','he','that','from','had','have','we','the','i','you','in','on','but','with','not','by','its','for','of','to'}
txtSet=set(txtDC)-ex

'''单词统计'''
txtDic = {}
for word in txtSet:
    txtDic[word] = txtDC.count(word)

#排序
wordList = list(txtDic.items())
wordList.sort(key=lambda x:x[1],reverse=True)

#输出top20
for i in range(20):
    print(wordList[i])

#保存为csv文件
pd.DataFrame(data=wordList).to_csv('ToMyTex.csv',encoding='utf-8')

运行截图：

生成词汇图：