作业来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2753
作业要求：
- 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。
1.列表，元组，字典，集合分别如何增删改查及遍历。
- 列表：
增：
1 List = ['python','is','easy','to','learn'] 2 List.append('100') 3 List 删：
4 del List[5] 5 List 改：
6 List[2] = 'hard'
查：
7 List 8 print("List[4]:",List[4]) 遍历：
9 for i in List: 10 print ((List.index(i) + 1, i))
- 运行结果：
- 元组：
增（元组相加）
1 tup1 = ('python','is','easy','to','learn') 2 tup2 = (100,200) 3 tup3 = tup1 + tup2 4 print (tup3) 删：
5 del tup2 6 print(tup2)
查：
7 print("tup1[0]:",tup1[0]) 遍历：
8 for item in tup1: 9 print(item)
- 运行结果：
- 字典：
增：
1 dict1 = {'python':'good','play':'nice','sport':'healthy'} 2 dict1['study']="pretty good" 3 dict1 删：
4 del dict1['play'] 5 dict1 改：
6 dict1['study']="actually good" 7 dict1 查：
8 print("dict1['study']:",dict1['study']) 遍历：
9 for item in dict1.items(): 10 print(item)
- 运行结果：
- 集合：
增：
1 set1 = {'python','is','easy','to','learn'} 2 set1.add('study') 3 set1
删： 4 set1.remove('to') 5 set1 查：
6 print("set1:",set1) 遍历：
7 for i in set1: 8 print (i)
- 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、有序无序、可变不可变、重复不可重复、存储与查找方式
列表是最常用的Python数据类型，它可以作为一个方括号内的逗号分隔值出现。列表的数据项不需要具有相同的类型，创建一个列表，只要把逗号分隔的不同的数据项使用方括号括起来即可。列表也可以可以进行截取、组合，而向list中添加项有两种方法：append和extend。
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。元组使用小括号，列表使用方括号。
集合（set）是一个无序的不重复元素序列。可以使用大括号 { } 或者 set() 函数创建集合，创建一个空集合必须用 set() 而不是 { }，因为 { } 是用来创建一个空字典。
字典是另一种可变容器模型，且可存储任意类型对象。字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中。
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)
9.可视化：词云
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('big.csv',encoding='utf-8')
线上工具生成词云：
https://wordart.com/create
代码如下：
1 import pandas as pd 2 3 article = open('article-long.txt', 'r', encoding='utf8') 4 5 # 排除词汇列表 6 exclude = ['a', 'the', 'and', 'if', 'you', 'in', 'but', 'not', 'it', ' s', 'if', "i"] 7 8 # 打开文章函数getarticle 9 def getarticle(): 10 sep = "'？', '?', '!'," '", "'", ' "', '"',':','：','．',',', '，', '.', '。','“','”','，'" 11 text = article.read().lower() 12 for ii in sep: 13 text = text.replace(ii, ' ') 14 return text 15 16 17 articleList = getarticle().split() 18 articleDict = set(articleList) 19 exclude1 = set(exclude) 20 articleDict = articleDict-exclude1 21 22 # 统计单词数量 23 countDict = {} 24 for word in articleDict: 25 countDict[word] = articleList.count(word) 26 print(countDict.items()) 27 word = list(countDict.items()) 28 29 # 排序单词数量 30 word.sort(key=lambda x: x[1], reverse=True) 31 print(word) 32 33 # 输出前二十位的单词 34 for i in range(20): 35 print(word[i]) 36 37 pd.DataFrame(data=word).to_csv('C:\hungry-love.csv', encoding='utf-8')
运行结果：
- 输出字典中的所有单词及其出现次数并选取前20个：
生成csv文件如下：
生成词云如下：
