复合数据类型，英文词频统计

1.列表，元组，字典，集合分别如何增删改查及遍历。

列表：list1 = ["a", "b", "c", "d"]; #设置列表1

print(list1);    #输出列表1

#增list1.insert(4,‘e‘);    #增添元素print(list1);

#删list1.pop(3) #删除指定位置元素print(list1);

#改list1[0] = ‘q‘ #直接修改位置元素print(list1)

#查x = list1.index(‘c‘);  #从列表中找出某个值的索引位置print(x);

#遍历列表中的每一个元素for i in list1: print(i)

元组：num1 = (‘a‘, ‘b‘,‘c‘, ‘d‘);    #设置元组num2 = (‘e‘, 1,‘g‘)num3=num1+num2  #元组不支持修改，但可以通过连接组合的方式进行增加

print(num3)#查print (num1[0] ,num2[0])

字典：

num = {‘a‘: 1, ‘b‘: 2, ‘c‘:3}   #定义字典#增num[‘d‘] = 4     # 添加信息print(num)#删del num[‘d‘] # 删除键 d‘print(num)#改num[‘a‘] = ‘0‘;    # 更新aprint(num)#查print(num[‘a‘])

集合：

set={1,2,3} #定义一个集合#增set.add(4)print(set)

#删set.remove(4)print(set)

#集合不能进行修改和查找

#遍历for x in set:    print(x)

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)

exclude={‘is‘,‘the‘,‘and‘,‘i‘,‘you‘,‘in‘,‘but‘,‘not‘,‘with‘,‘by‘,‘its‘,‘for‘,‘of‘,‘an‘,‘to‘,‘a‘,‘he‘,‘him‘,‘was‘,‘it‘,‘that‘,‘her‘}  #定义停用词##读取a.txt内容#def gettxt():    sep=".,:;?!-_‘”"    txt=open(‘a.txt‘,‘r‘).read().lower()    for ch in sep :        txt=txt.replace(ch,‘ ‘)    return txt#获取单词#bigList=gettxt().split()print(bigList);print(‘big:‘,bigList.count(‘big‘))bigSet=set(bigList)#过滤单词，包括一些冠词和连词等#bigSet=bigSet-excludeprint(bigSet)#单词计数#bigDict={}for word in bigSet:    bigDict[word]=bigList.count(word)print(bigDict)

print(bigDict.items())word=list(bigDict.items())#按词频排序#word.sort(key=lambda x:x[1],reverse=True)print(word)#输出频率较高的词语top20#for i in range(20):    print(word[i])

结果：

原文地址：https://www.cnblogs.com/183289879qq/p/10525938.html