复合数据类型，英文词频统计

这次作业要求来源于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2753

一. 列表，元组，字典，集合分别如何增删改查及遍历。

1.列表的增删改查

list1=['a','b','c']
print('列表')
print(list1)
list1.append('d')
print('增')
print(list1)
del list1[0]
print('删')
print(list1)
list1[1]='e'
print('改')
print(list1)
print('查')
print(list1[1])
      

　　

2.元组的增删改查

a=['an','ang']
b=['bb','bc']
#增
a=a+b
print(a)
#删
del a
#改
a=['an','ang']
a[1]=['and']
print(a)
#查
print(a[1])
      

3.字典的增删改查

dict={'gz':'广州','sz':'深圳'}
#增加
dict.setdefault('mz','梅州')
print("增加后的字典：",dict)
#删除
del dict['mz']
print("删除后的字典：",dict)
#修改
dict['广州'] = '惠州';
print("修改后的字典：",dict)
#查找
print(dict["gz"])
      

4.集合的增删改查

a ={'1991', '1992', '1997'}
print('集合a')
print(a)
a.add('1973')
print('增：a.add(\'1973\')')
print(a)
a.discard('1997')
print('删：a.discard(\'1997\')')
print(a)
print('查：\'1997\' in Set1','1997' in a)
      

二、列表、元组、字典与集合的联系与区别。

• 括号
• 有序无序
• 可变不可变
• 重复不可重复
• 存储与查找方式

（1）括号

列表为[ ]，元组为( )，字典与集合为{ }。

（2）有序无序

列表与元组有序，字典与集合无序。

（3）可变不可变

列表与字典可变，元组与集合不可以变。

（4）重复不可重复

列表元组集合都可重复，只有字典不可重复。

（5）存储与查找方式

列表和元组都是值，字典是键，集合是键对值

三、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，自定义停用词或用stops.txt输出TOP(20)
8. 可视化：词云，排序好的单词列表word保存成csv文件
9. 线上工具生成词云：

   fo = open('ll.txt','r', encoding='utf-8')
   stra = fo.read().lower()
   fo.close()
   print(stra)  # 1.准备utf-8编码的文本文件file 2.通过文件读取字符串 str
   
   sep = ',.;!'
   for ch in sep:
       stra = stra.replace(ch, '')  # 进行预处理,清除掉sep中存在的标点符号
   print(stra)
   
   strList = stra.split(' ')
   print(len(strList), strList)  # 分解提取单词,转化为列表list
   
   strSet = set(strList)
   print(len(strSet), strSet)  # 转化为集合
   
   strDict = {}
   for world in strSet:
       strDict[world] = strList.count(world)
   
   print(len(strDict), strDict)  # 转化为字典，计算上一个集合中每个单词出现的次数
   
   wcList = list(strDict.items())
   print(wcList)  # 将字典中的目录转化为列表输出
   wcList.sort(key=lambda x: x[1], reverse=True)
   print(wcList)  # 按降序输出
   
   e = {'a', 'the', 'an', 'and', 'i', 'or', 'of'}
   strSet = strSet - e
   print(len(strSet), strSet)  # 排除语法型词汇，代词、冠词、连词等无语义词
   
   for i in range(20):
       print(wcList[i])  # TOP20输出
   import pandas as pd
   
   pd.DataFrame(data=wcList).to_csv('joker.csv', encoding='utf-8')
         

   

10. 生成词云