复合数据类型

作业来源于：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。

答：

（1）列表的增删改查：

增：使用append()方法在列表的末尾增加新的元素

删：使用del语句来删除列表的元素

改：通过下标索引找到值然后直接修改

查：访问的方式可以是通过下标索引，也可以是以方括号的形式截取字符

（2）元组：

增：可以通过直接在括号中添加元素，并使用逗号隔开

删：元组中的元素不能被直接删除，但是可以通过del语句来删除整个元组

改：元组元素不能修改

查：可以通过下标索引值查找元组中的元素

（3）字典：

增：直接通过键值对赋值即可添加

删：直接删除键值对

改：直接对已有的键进行赋值

查：直接查询键值对

（4）集合

增：使用add语句直接增加

删：可以使用remove语句直接删除，若无此元素则报错，discard( ) 删除集合指定元素, 如果不存在,则do nothing

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

答：

1.列表，元组，字典是有顺序的，而集合是没顺序的

2.列表是以方括号形式表示，元组是以圆括号表示，字典以花括号表示，集合则是以[()]的形式表示

3.列表是可变对象,它支持在原处修改的操作.也可以通过指定的索引和分片获取元素。区别于元组，可动态增加，删除，更新。

4.元组和列表在结构上没有什么区别，唯一的差异在于元组是只读的，不能修改。元组用“()”表示。元组一旦定义其长度和内容都是固定的。一旦创建元组，则这个元组就不能被修改，即不能对元组进行更新、增加、删除操作。若想创建包含一个元素的元组，则必须在该元素后面加逗号“,”，否则创建的不是一个元组，而是一个字符串。

5.集合没有特殊的表示方法，而是通过一个set函数转换成集合。集合是一个无序不重复元素集，基本功能包括关系测试和消除重复元素.。

6.字典最大的价值是查询，通过键，查找值。

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 

 

作业博客要求：

• 文字作业要求言简意骇，用自己的话说明清楚。
• 编码作业要求放上代码，加好注释，并附上运行结果截图。

答：

exclude={'a','i','you','and','the','to','be','is','in','or','will'}#定义停用词表
f=open('news.txt','r',encoding='utf-8')#打开文件
text=f.read()
print('text')
f.close()
text=text.lower()
sep=',.?;'
for s in sep:
    text=text.replace(s,' ')
bigList = text.split()#把text转化为List列表
print(bigList)
print('you',bigList.count('you'))
bigSet = set(bigList)#把List列表转换为集合
bigSet=bigSet-exclude#去掉停用词
print(bigSet)
bigDict={}#把集合转换为字典
for word in bigSet:
    bigDict[word]=bigList.count(word)
print(bigDict)
print(bigDict.items())
word = list(bigDict.items())
word.sort(key=lambda x:x[1],reverse=True)#排列
print(word)
import pandas as pd#生成词云
pd.DataFrame(data=word).to_csv('star.csv',encoding='utf-8')

截图：