复合数据类型，英文词频统计

Posted 2021-11-07 winslow-liujie

1.列表，元组，字典，集合分别如何增删改查及遍历。

使用append()方法来添加列表项（仅支持增加一个元素），extend()增加一个列表，insert()根据索引添加元素

del 根据索引删除元素，或者使用remove()删除指定值的元素，pop()根据索引删除元素

对列表数组某元素进行赋值，以进行更新

搜索可以通过搜索元素或者搜索元素索引值

列表有三种遍历方法，一种是带Index索引的循环，一种是用range()方法进行的，还有一种是使用enumerate() 方法的。

 

元组的增加和修改不能直接通过赋值，但可以对元组进行连接组合，

例：

tup3 = tup1 + tup2

元组可以使用下标索引来访问元组中的值

元组中的元素值是不允许删除的，但我们可以使用del语句来删除整个元组

 

字典的访问需要在输出时把相应的键放入到方形弧内

向字典添加新内容的方法是增加新的键，由于字典是另一种可变容器模型，且可存储任意类型对象，所以可以直接在方形弧内添加新的名称

而字典内的修改是对已有键进行修改

删除使用del()可以删除整个词典的条目，也可以用dict来删除某一条目。

 

集合的增加是通过使用add()方法添加元素，使用remove()进行删除元素，

 

 

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：

列表:

 

括号:有括号:[]

有序无序:有序

可变不可变:可变

重复不可重复:可重复

存储与查找方式:顺序查找和根据下标查找，存储根据对应下标存储

元组:

 

括号:有括号:()

有序无序:有序

可变不可变:不可变

重复不可重复:可重复

存储与查找方式:顺序查找和根据下标查找，存储根据对应下标存储

字典:

 

括号:有括号:{}

有序无序:无序

可变不可变:可变，根据key改变键值

重复不可重复:key不可重复，键值可重复

存储与查找方式:根据key存储和查找所对应的键值

集合:

 

括号:有括号:()

有序无序:无序

可变不可变:可变

重复不可重复:不可重复

存储与查找方式:顺序查找和根据下标查找，存储根据对应下标存储

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 

import string
import pandas as pd
def getNumber(x):
    y=x[1]
    return y

file = open(‘21.txt‘,‘r‘,encoding=‘UTF-8‘).read().lower()
s = "‘"
for i in s:
    file = file.replace(s,‘ ‘)
song = file.split()
exclude = {‘a‘,‘the‘,‘i‘,‘you‘,‘and‘,‘in‘,‘but‘,‘not‘,‘it‘,‘s‘,‘beat‘,‘do‘,‘m‘}
cun = set(song)-exclude
dis = {}
for i in cun:
    dis[i] = song.count(i)
words = list(dis.items())
words.sort(key=getNumber,reverse=True)
#输出前20
for j in range(20):
    print(words[j])
#保存为csv文件
pd.DataFrame(data=words).to_csv(r‘21.csv‘,encoding=‘UTF-8‘)