复合数据类型，英文词频统计

作业来源于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2753

作业要求：

1.列表，元组，字典，集合分别如何增删改查及遍历。

•  列表

 增

cm = ['Manry','kimi','tony','张三']
cm.append('在末尾增加一个字符')
cm

cm = ['Manry','kimi','tony','张三']
cm.insert(1,'在指定位置增加一个字符')
cm

运行结果：

 删

cm = ['Manry','kimi','tony','张三','删除最后一个字符']
cm.pop()
cm

cm = ['Manry','kimi','tony','张三','删除指定字符']
cm.pop(1)
cm

运行结果：

 改

cm = ['Manry','kimi','tony','张三']
cm[1]=('修改指定位置字符')
cm

运行结果：

 查

cm = ['Manry','kimi','tony','张三','34','Tom','Jary']
print(cm[1])#查找下标为1的字符
print(cm[-1])#查找最后一位字符
print(cm[1:2])#查找下标为1和2之间的字符
print(cm[3:])#查找下标为3及之后的字符
print(cm[:2])#查找下标为2之前的字符
print(cm[:6:2])#查找下标为6之前每隔2位的字符
print(cm[:])#查找所有字符

运行结果：

遍历 

cm = ['Manry','kimi','tony','张三','34','Tom','Jary']
print(len(cm))
for cm1 in cm:
    print(cm1)

运行结果：

• 元组

tup1=('张三','Tom','zqq','1996')
tup2=('许嵩','vae')
print(tup1+tup2)

运行结果：

元组不可以修改或单个删除元素。

• 字典

增

dict={'张三':'1998','Tom':'2000','zqq':'1996'}
dict['vae']='1986'
dict

运行结果：

删

dict={'张三':'1998','Tom':'2000','zqq':'1996'}
del dict['张三']
dict

运行结果：

改

dict={'张三':'1998','Tom':'2000','zqq':'1996'}
dict['张三']='2019'
dict

运行结果：

查

dict={'张三':'1998','Tom':'2000','zqq':'1996'}
print('张三的值为：',dict['张三'])
print('字典元素为：',dict)

运行结果：

• 集合

增

aa={'张三','许嵩','vae','zqq','Tom','Jary'}
aa.add('lisa')
aa

运行结果：

删

aa={'张三','许嵩','vae','zqq','Tom','Jary','remove删除集合元素'}
aa.remove('remove删除集合元素')
aa

aa={'张三','许嵩','vae','zqq','Tom','Jary','pop删除集合元素'}
aa.pop()
aa

运行结果：

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

         列表是以方括号形式表示，元组是以圆括号表示，字典以花括号表示，集合则是以[()]的形式表示。

• 有序无序

         列表，元组，字典是有顺序的，而集合是没顺序的。

• 可变不可变

          元组和列表在结构上没有什么区别，唯一的差异在于元组是只读的，不能修改。元组用“()”表示。元组一旦定义其长度和内容都是固定的。一旦创建元组，则这个元组就不能被修改，即不能对元组进行更新、增加、删除操作。若想创建包含一个元素的元组，则必须在该元素后面加逗号“,”，否则创建的不是一个元组，而是一个字符串。

• 重复不可重复

           列表，元组，字典可重复，而集合是不可重复的。

• 存储与查找方式

           列表和元组通过值存储，集合通过键（不可重复）存储，字典通过键值对（不可重复）存储。

3.词频统计   

import string
import pandas as pd

'''定义获取文件并处理函数'''
def gettext():
    txt = open("God is a girl.txt").read().lower()

    for c in string.punctuation:
        txt = txt.replace(c, " ")
    return txt

'''将文本分成单词'''
txtDC=gettext().split( )

'''过滤无意词'''
ex = {'a','an','and','was','as','it','his','he','we','the','you','in','on','but','with','not','of','for','are','is'}
txtSet=set(txtDC)-ex

'''单词统计'''
txtDic = {}
for word in txtSet:
    txtDic[word] = txtDC.count(word)

'''排序'''
wordList = list(txtDic.items())
wordList.sort(key=lambda x:x[1],reverse=True)

'''输出top20'''
for i in range(20):
    print(wordList[i])

'''保存为csv文件'''
pd.DataFrame(data=wordList).to_csv('My story.csv',encoding='utf-8')

God is a girl.txt

   

输出TOP(20)

可视化词云

 

import pandas as pd pd.DataFrame(data=word).to_csv('big.csv',encoding='utf-8')
线上工具生成词云： https://wordart.com/create 

作业博客要求：

• 文字作业要求言简意骇，用自己的话说明清楚。
• 编码作业要求放上代码，加好注释，并附上运行结果截图。