复合数据类型，英文词频统计

该作业要求来自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2696

1.列表，元组，字典，集合分别如何增删改查及遍历。

　　①列表的增删改查及遍历：

#列表list
list=["你好世界","C语言","JAVA","Python"];
print("列表:",list);
#增加
list.append("JavaScript");
print("添加JavaScript:",list);
list.insert(2,"PHP");
print("添加PHP，索引值为2(插入到第三个位置):",list)
#删除
list.pop();
print("删除最后一个值:",list);
list.pop(3);
print("删除第四个值:",list)
#修改
list[0]="HTML";
print("修改第一个值:",list);
#查找
print("查找第二个值:",list[1]);
#遍历
print("遍历list:");
for l in list:
    print("\t",l);

　　

　　②元组的增删改查及遍历：

#元组tuple
tuple = ("你好世界", "C语言", "JAVA", "Python");
print("元组:",tuple);
#查找
print("查找第一个值：",tuple[0]);
#遍历
print("遍历tuple:");
for t in tuple:
    print("\t",t);

　　

　　③字典的增删改查及遍历：

#字典dict
dict={"Jack":75,"Mary":81,"Amy":68,"Joe":92};
print("字典:",dict);
#增加
dict["Lida"]=90;
print("增加Lida:",dict);
#删除

if "Jack" in dict:
    dict.pop("Jack");

print("删除Jack:",dict); #修改 dict["Joe"]=88; print("修改Joe:",dict); #查找 print("查找Amy的成绩:",dict["Amy"]); #遍历 print("遍历dict:") for d in dict: print("\t",d);

　　

　　④集合的增删改查及遍历：

#集合set
set=set(["你好世界","C语言","JAVA","Python"]);
print("集合:",set);
#增加
set.add("你好世界");
print("增加‘你好世界’(无法增加，set中午重复值):",set);
set.add("C++");
print("增加‘C++’:",set);
#删除

if "JAVA" in set:
    set.remove("JAVA");

print("删除‘JAVA’:",set); set.pop(); print("删除一个值:",set); #遍历 print("遍历set:") for s in set: print("\t",s);

　　

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

　　

3.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

 排序好的单词列表word保存成csv文件

import pandas as pd
pd.DataFrame(data=word).to_csv('big.csv',encoding='utf-8')

线上工具生成词云：
https://wordart.com/create 

import pandas as pd
from nltk.corpus import stopwords
#获取停用词
stopwords=stopwords.words('english');
#读取文件
f=open("Life of Johann Wolfgang Goethe.txt","r",encoding="utf-8");
str=f.read();
#文件处理
dict={};
str=str.lower();#小写转化
remove=".,?:…—“”";
for i in remove:
    str = str.replace(i, " ");#以空格替换符号
list=str.split();#空格分割单词单词
for l in list:
    dict[l]=list.count(l);#获取单词数目
for s in stopwords:
    if s in dict.keys():
        dict.pop(s);#删除停用词
d=sorted(dict.items(),reverse=True,key=lambda d:d[1]); #排序
print("前20个单词出现频数为：")
for i in range(20):
    print(d[i][0],"--",d[i][1]);
pd.DataFrame(data=d).to_csv('big.csv',encoding='utf-8');#保存为.csv格式