复合数据类型，英文词频统计

作业要求来源于：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

#列表list

list=["你","吼","辣","么","大声"];
print("列表:",list);

list.append("干嘛");
print("添加干嘛:",list);
list.insert(2,"有");
print("添加有，索引值为2(插入到第三个位置):",list)

list.pop();
print("删除最后一个值:",list);
list.pop(2);
print("删除第三个值:",list)

list[0]="孙笑川";
print("修改第一个值:",list);

print("查找第五个值:",list[1]);

#遍历
print("遍历list:");
for l in list:
    print("\t",l);

　　执行效果图如下图所示

（2）元组

tup=('金','木','水',0)
tup2=('CM',)
tup3=tup+tup2
print("连接/增加元素 ：{}".format(tup3))

#访问元素
tup=('金','木','水',0)
print("访问元素 ：tup[2]={},tup[0:1]={}".format(tup3[2],tup[0:2]))

#删除元素
tup=('金','木','水',0)
print("删除元组")
del tup

#遍历元素
tup=('金','木','水',0)
print("遍历元组：")
for t in tup:
    print(t)

执行效果如下图所示：

（3）字典

# 创建字典
textDict = {'吴亦凡':'80','孙笑川':'90','胡歌':'75'}
print(textDict)

# 增加
textDict['赵本山']='90'
print(textDict)

# 修改
textDict['陈冠希']='100'
print(textDict)

# 删除
del textDict['陈冠希']
print(textDict)

# 查找
print(textDict['陈冠希'])

# 遍历
for s in textDict:
    print( "%s : %s"%(s,textDict[s]))

　　执行效果如下图所示：

（4）集合

set=set(["金","木","水","火","土"]);
print("集合:",set);

set.add("金");
print("增加‘金’(无法增加，set中午重复值):",set);
set.add("天");
print("增加‘天’:",set);

if "木" in set:
    set.remove("木");
print("删除‘木’:",set); set.pop();
print("删除一个值:",set);

#遍历
print("遍历set:")
for s in set: print("\t",s);

　　执行效果如下图所示：

 

 

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：

下列以列表，元组，字典，集合为默认顺序：

• 括号 ------ （1）列表：[ ]   （2）元组：( )   （3）字典：{ }   （4） 集合：( )
• 有序无序------（1）有序 （2）有序 （3）无序 （4）无序
• 可变不可变-----（1）可变   （2）可变    （3）不可变，元组中的元素不可修改、不可删除（4）可变
• 重复不可重复-----（1）可以重复（2）可以重复（3）可以重复（4）不可以重复
• 存储与查找方式------（1）① 找出某个值第一个匹配项的索引位置，如：list.index(‘a’)② 使用下标索引，如：list[1]   （2）使用下标索引，如：tuple[1]（3）通过使用相应的键来查找，如：dict[‘a’] （4）通过判断元素是否在集合内，如：1 in dict

3.词频统计

fo = open(r'D:\pythonproject\Crimes and Punishments.txt', encoding='utf-8-sig')
theLittlePrinceTxt = fo.read()
txt = theLittlePrinceTxt.lower()
fo.close()
sep = '''  ,./:?/！ '\n  " [] ()  ～ '''
stops = {'ours', 'over', 'once', 'having', 'against', 'don', 'has', 'but', 'wouldn', 'with', 'other', 'doesn', 'itself', 'aren', 'when',}
for s in sep:
    txt = txt.replace(s, " ")
allWord = txt.split()
mset = set(allWord)  # 去掉重复的单词，将文本转换为集合
mset = mset - stops  # 去除停用词
mdict = {}  # 定义字典，作用输出
for m in mset:
    mdict[m] = allWord.count(m)  # 统计每个字典的key的频数
mlist = list(mdict.items())  # 字典转换成列表
mlist.sort(key=lambda x: x[1], reverse=True)  # 列表排序

#输出数目前20的词汇
print(mlist[0:10])
print(mlist[10:20])

# 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('Harry Potter.csv',encoding='utf-8')

　　词云可视化结果如下