复合数据类型，英文词频统计

作业要求来自于https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2696

 

1.列表，元组，字典，集合的增删改查及遍历

 

列表

操作	方法	示例
增加	list.append(obj) 增加元素到末尾	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] list.append('张四') print(list)
	list.insert(index, obj) 增加元素到指定位置	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] list.insert(1,'Jack') print(list)
	list.extend(list2) 将list2列表中的元素增加到list中	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] list2=['张四','Jack'] list.extend(list2) print(list)
删除	list.pop(index) 删除指定位置的元素 list.pop() 删除最后一个元素	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] list2=['张四','Jack'] list.pop(1) list2.pop() print(list,list2)
修改	list[index]=obj 修改指定位置的元素	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] list[2]='张四' print(list)
查询	list[index] 通过下标索引，从0开始	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] print(list[2])
	list[a:b] 切片,从哪里到哪里	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] print(list[1:4])
遍历	for x in list	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] for x in list: print(x, end=",")
	for i in range(len(list))	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] for i in range(len(list)): print("序号：", i, " 值：", list[i])
	for i，val in enumerate(list)	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] for i, val in enumerate(list): print("序号：", i, " 值：", val)
	for i in list	list=['Michael','Bob','Tracy','李三','Tracy','Sarah'] for i in list: idx = list.index(i) # 索引 if (idx < len(list) - 1): print(i, '---------', list[idx + 1])

元组

操作	方法	示例
增加	tup=tup1+tup2 元组不支持修改，但可以通过连接组合的方式进行增加	tup1=('Michael','Bob','Tracy','李三','Tracy','Sarah') tup2=('张四','Jack') tup=tup1+tup2 print(tup)
删除	del tup 元组不支持单个元素删除，但可以删除整个元组	tup=('Michael','Bob','Tracy','李三','Tracy','Sarah') print(tup) del tup print(tup)
修改	tup[index]=obj 修改指定位置的元素 元组和列表转换	tup=('Michael','Bob','Tracy','李三','Tracy','Sarah') tup=list(tup) tup[0]='张四' tup[1]='Jacky' tup=tuple(tup) print(tup)
查询	tup[index] 通过下标索引，从0开始	tup=('Michael','Bob','Tracy','李三','Tracy','Sarah') print(tup[2])
	tup[a:b] 切片,顾头不顾尾	tup=('Michael','Bob','Tracy','李三','Tracy','Sarah') print(tup[2:5])
遍历	for x in (tup)	tup=('Michael','Bob','Tracy','李三','Tracy','Sarah') for x in (tup): print(x)

字典

操作	方法	示例
增加	dict[key]=value 通过赋值的方法增加元素	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} dict['张四']=8 print(dict)
删除	del dict[key] 删除单一元素，通过key来指定删除	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} del dict['Bob'] print(dict)
	dict.pop(key) 删除单一元素，通过key来指定删除	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} dict.pop('Tracy') print(dict)
修改	dict[key]=value 通过对已有的key重新赋值的方法修改	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} dict['Bob']=8 print(dict)
查询	dict[key] 通过key访问value值	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} print(dict['李三'])
	dict.items() 以列表返回可遍历的(键, 值) 元组数组	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} print(dict.items())
	dict.keys() 以列表返回一个字典所有键值 dict.values() 以列表返回一个字典所有值	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} print(dict.keys(),dict.values())
	dict.get(key) 返回指定key的对应字典值，没有返回none	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} print(dict.get('Michael'))
遍历	for key in dict.keys()	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} for key in dict.keys(): print(key)
	for val in dict.values()	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} for val in dict.values(): print(val)
	for key,val in dict.items()	dict={'Michael':1,'Bob':5,'Tracy':3,'李三':7,'Tracy':6,'Sarah':9} for key, val in dict.items(): print(key, " : ", val)

集合

操作	方法	示例
增加	s.add(obj) 在集合s中添加对象obj	s=set(['Michael','Bob','Tracy','李三','Tracy','Sarah']) s.add('张四') print(s)
删除	s.remove(obj) 从集合s中删除对象obj	s=set(['Michael','Bob','Tracy','李三','Tracy','Sarah']) s.remove('Bob') print(s)
修改	s[index]=obj 修改指定位置的元素 集合和列表转换	s=set(['Michael','Bob','Tracy','李三','Tracy','Sarah']) s=list(s) s[2]='张四' s=set(s) print(s)
遍历	for x in s	s=set(['Michael','Bob','Tracy','李三','Tracy','Sarah']) for x in s: print(x)

2.总结列表，元组，字典，集合的联系与区别

（1）列表

• 列表list，用中括号“[ ]”表示
• 列表是一组任意类型的值，按照一定顺序组合而成的 
• 可以随时添加删除修改其中的元素
• 元素可重复
• 存储时每一个元素被标识一个索引，每当引用时，会将这个引用指向一个对象，所以程序只需处理对象的操作

（2）元组

• 元组tuple，用小括号“( )”表示
• 与列表相同，有序
• 一旦初始化就不能修改
• 元素可重复
• 与列表相似，元组是对象引用的数组

（3）字典

• 字典dict，用大括号“{key，value}”表示
• 字典中的项没有特定顺序，以“键”为象征 
• 因为是无序，故不能进行序列操作，但可以在远处修改，通过键映射到值
• key不能重复
• 字典存储的是对象引用，不是拷贝，和列表一样

（4）集合

• 集合set，用小括号“( )”表示
• 无序
• 可变，可以添加和删除元素
• 无重复
• 与列表相似

3.词频统计

# import nltk
# nltk.download("stopwords")
from nltk.corpus import stopwords
stops=set(stopwords.words('english'))
#通过文件读取字符串 str,对文本进行预处理
def gettxt():
    sep=".,:;?!-_'"
    txt=open('Crimes and Punishments.txt','r', encoding='UTF-8').read().lower()
    for ch in sep:
        txt=txt.replace(ch,' ')
    return txt
#分解提取单词 list
txtList=gettxt().split()
print(txtList)
print('crimes:',txtList.count('crimes'))
txtSet=set(txtList)
#排除语法型词汇,单词计数字典 set , dict
txtSet=txtSet-stops
print(txtSet)
txtDict={}
for word in txtSet:
    txtDict[word]=txtList.count(word)
print(txtDict)

print(txtDict.items())
word=list(txtDict.items())
#按词频排序 list.sort(key=lambda),turple
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])
#排序好的单词列表word保存成csv文件
import pandas as pd
pd.DataFrame(data=word).to_csv('Crimes and Punishments.csv',encoding='utf-8')

结果如下图：

词云如下图：