复合数据类型，英文词频统计
此次作业的要求来自于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=['30','50']
list.append( '20' )
del list[1]
list[1]='10'
list.insert(2,'10')
list.index('20')
list.index['50']
list.count('30')
list.copy()
for i in list: printf(list[i])
元组:
tu = (1, 2, 3, 'alex', [2, 3, 4, 'taibai'], 'egon')
print(tu[2])
print(tu[0:4])
for i in tu:
print(i)
tu[4].append('ss')
print(tu)
del tu;
字典：
d['a']=11
del d['a']
a=d['a']
d.clear()
str(d)
for key in d:printf(d[key])
集合:
test = {'Alice', 'Beth', 'Cecil', 'Cady', 'Bob', 'Molly'};
test.add('Youth');
print(test);
test.update({123, 456});
print(test);
basket = {'orange', 'banana', 'pear', 'apple'};
test.remove('Alice');
print(test);
test.discard('Beth');
print(test);
x = basket.pop();
print("删除的元素是：", x);
print(basket);
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（list）：列表是一组有序项目的数字结构，列表的项目应该放在方括号[ ]中，列表是可以被改变和可重复的；按照索引的方式查找通过偏移存储并且元素可以任意类型存在。
元组(tuple)：元组与列表十分相似，可重复也是通过偏移的方式进行存储，不过元组是不可变的即是你是不能对元组中的元素进行修改，而且用的是（）；元组的元素是固定的长度、异构，也是任意嵌套。
字典(dict)：字典使用的是{}，字典是无序的，但是可变可重复；使用键-值（key-value）进行存储，查找速度快；字典的key是不能变的，list不能作为key，字符串、元祖、整数等都可以。
集合(set)：无序不可变，使用（[ ]），与字典类似，但只包含键，而没有对应的值；元素可以是列表、元组、字典中的任意一个或多个。
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)
1 f = open(r'D:\pyhomework\bigbigword.txt',encoding='utf8')
2 #打开文件
3 stop={'a','the','and','i','you','in','but','not','with','by','its','for','of','an','to','my','myself','we','our','ours','ourelves','about','no','nor'}
4 def gettext():
5 sep = "~`*()!<>?,./;'\:[]{}-=_+"
6 text = f.read().lower()
7 for s in sep:
8 text=text.replace(s,'')
9 return text
10 #读取文件
11 textList = gettext().split()
12 print(textList)
13 #分解提取单词
14 textSet = set(textList)
15 stop = set(stop)
16 textSet = textSet - stop
17 print(textSet)
18 #排除语法词
19 textDict = {}
20 for word in textSet:
21 textDict[word] = textList.count(word)
22 print(textDict)
23 print(textDict.items())
24 word = list(textDict.items())
25 #单词计数
26 word.sort(key=lambda x:x[1],reverse=True)
27 print(word)
28 #排序
29 for q in range(20):
30 print(word[q])
31 #次数为前20的单词
32
33 import pandas as pd
34 pd.DataFrame(data=word).to_csv("text.csv",encoding='utf-8')
