这个作业的要求来自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2696。
1.列表，元组，字典，集合分别如何增删改查及遍历。
列表操作如下所示：
#列表 string = 'list' #字符串->列表 list1 = list(string) # ['l', 'i', 's', 't'] #列表->字符串 string1 = ''.join(list1) #list #列表的增删改查 list1 = list('this is a list') #增加 list1.append('!') #末尾增加元素 list1.insert(2,'this is index 3') #指定index增加一个元素 #删除 list1.pop(-1) #删除指定index的元素 默认是-1 return被删除元素的值 del list1[-1] if '!' in list1: #删除第一个匹配的元素，如果不存在会报错，没有返回值 list1.remove('!') #修改 list1[0] = '0' #元素赋值 list1[0:2] = list('05') #分片赋值 list1[1:1] = list('1234') #分片赋值 插入新元素 list1[1:5] = [] #分片赋值 删除元素 #查找 if 'a' in list1: index = list1.index('a') # 查找元素下标 #拼接 list2 = ['new','list'] list1.extend(list2) #从列表增加元素 print list1 #逆置 list1.reverse(); print list1 #去重 #1 l1 = ['b','c','d','c','a','a'] l2 = list(set(l1)) #2 l2.sort(key=l1.index) #保持原来的顺序 #3 l1 = ['b','c','d','c','a','a'] l2 = [] for i in l1: #[l2.append(i) for i in l1 if not i in l2] if not i in l2: l2.append(i) print l2 #保持原来的顺序
元组操作如下所示：
#元组 ，操作和列表类似，但是元组不能修改 #创建 tuple1 = () tuple1 = 1 tuple1 = 1,2,3 tuple1 = tuple([1,2,3,4]) #序列->元组 print tuple1
字典操作如下所示：
#字典 #创建 dict1 = { 'key':'value', 'key1':'value1' } a = [('key1','value1'),('key2','value2')] dict1 = dict(a) dict1 = {}.fromkeys(['key1','key2'],'default_value') #从键值创建dict dict1 = dict(key1='value1',key2='value2') #增加 dict1['key3']='value3' #字典可以自动添加 dict1.setdefault('key5','N/A') #如果不存在，就设置默认值 #删除 del dict1['key3'] print dict1.pop('key2') #popitem随机删除 和列表的pop一样 #dict1.clear() #深删除,即使有拷贝 也会被删除 #修改 if 'key1' in dict1: dict1['key1']='new_value_1' #查找 if 'key1' in dict1: print dict1['key1'] if dict1.has_key('key1'): print dict1['key1'] print dict1.get('key3','not exists') #宽松访问 print dict1.keys(),dict1.values() #拼接 dict2 = dict(key4 = 'value4') #从字典更新另一个字典 dict1.update(dict2)
集合操作如下所示：
# 两种方法创建 set1 = set('kydaa') set2 = {'abc', 'jaja', 'abc', 'kyda'} print(set1) print(set2) # 结果：自动将重复元素去除 {'a', 'y', 'd', 'k'} {'jaja', 'abc', 'kyda'}
2.总结列表，元组，字典，集合的联系与区别。
（1）list是处理一组有序项目的数据结构，即可以在一个列表中存储一个序列的项目。列表中的项目应该包括在方括号中。一旦创建了一个列表，就可以添加，删除，或者是搜索列表中的项目。列表是可变的数据类型，并且列表是可以嵌套的。python里的列表用“[]”表示。列表的特点是可重复，类型可不同，类型不同也是跟数组最本质的区别了。
（2）元组和列表十分相似，不过元组是不可变的，即不能修改元组。元组用“()”表示，元组可以嵌套。
（3）集合特性：与字典类似，但只包含键，而没有对应的值，包含的数据不重复。
创建：s=set(list or tuple or string)，重复的值在集合中只存在一个。
（4）字典即把键（名字）和值（详细情况）联系在一起，键必须是唯一的。键值对在字典中以这样的方式标记：d={key1:value1 , key2:value2}。键/值对用冒号分割，而各个对用逗号分割，所有这些都包括在花括号中。
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；
（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。
exclude={'a','the','and','i','you','in','but','not','with','by','its','for','of','an','to'} #定义数组#
#读取Harry Potter.txt文件中的英文内容#
def gettxt():
sep=".,:;?!-_'"
txt=open('Harry Potter.txt','r').read().lower()
for ch in sep :
txt=txt.replace(ch,' ')
return txt
#分解提取单词#
bigList=gettxt().split()
print(bigList);
print('big:',bigList.count('big'))
bigSet=set(bigList)
#过滤单词，包括一些冠词和连词等#
bigSet=bigSet-exclude
print(bigSet)
#单词计数#
bigDict={}
for word in bigSet:
bigDict[word]=bigList.count(word)
print(bigDict)
print(bigDict.items())
word=list(bigDict.items())
#按词频排序#
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('Harry Potter.csv',encoding='utf-8')
运行结果如下所示：
