复合数据类型，英文词频统计

作业的要求来自于：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。

列表：

list=['Mon','Tues','Wednes','Thurs']
print ('原始列表为 : ', list)
list.insert(2,'haha')
'''在Tues后面插入haha'''
print ('列表插入元素后为 : ', list)
del list[2]
'''删除haha'''
print ('列表删除元素后为 : ', list)
list[0]='sun'
'''修改列表第一个元素'''
print ('列表修改元素后为 : ', list)
for i in list:
    print(i)
'''遍历列表'''

　

元组：

YuanZu=('Mon','Tues','Wednes','Thurs')
YuanZu2=('Fir','Satur','Sun')
YuanZu3=YuanZu+YuanZu2
print(YuanZu2)
del YuanZu2;
print(YuanZu3)

　

字典：

ZiDian={'date':'Mon','date_1':'Tues','date_2':'Wednes'}
print(ZiDian)
print(ZiDian['date_2'])
ZiDian['date_2']='Sun'
print(ZiDian['date_2'])

　　

 集合：

date = {'Mon', 'Tues', 'Wednes', 'Thurs', 'Fir', }
print(date)
date.add("Sun")
print(date)
date.remove("Sun")
print(date)
print(len(date))

　　

2.总结列表，元组，字典，集合的联系与区别。

列表是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。

元组与列表类似，不同之处在于元组的元素不能修改。元组使用小括号，列表使用方括号。

字典是另一种可变容器模型，且可存储任意类型对象。字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中。

集合（set）是一个无序的不重复元素序列。可以使用大括号 { } 或者 set() 函数创建集合，注意：创建一个空集合必须用 set() 而不是 { }，因为 { } 是用来创建一个空字典。

	列表	元祖	字典	集合
括号	[]	()	{}	{}
有序无序	有序	有序	无序，自动正序	无序
可变不可变	可变	不可变	不可变	可变
重复不可重复	可以	可以	可以	不可以
存储与查找方式	值	值	键值对（键不能重复）	键（不能重复）

 

 

 

 

 

 

 

 

 

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)

import pandas as pd
from nltk.corpus import stopwords
stopwords=stopwords.words('english')

f = open(r'C:\Users\unliee\Desktop\84txt.txt', encoding='utf-8-sig')
text=f.read()
f.close()
text=text.lower()

FuHao="., --? \"   "
for s in FuHao:
    text=text.replace(s," ");
text=text.split();
for i in text:
    dict[i]=text.count(i);
for c in stopwords:
    if c in dict.keys():
        dict.pop(s);
d=sorted(dict.items(),reverse=True,key=lambda d:d[1]);
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');