菜鸟学IT之python3关于列表，元组，字典，集合浅认识！

作业来源：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。

• 列表

# 列表的增加
ls =['Hello','Word','JS','OK','Good']
print("原始数据：",ls)
ls.append(12) # 在数组列表后面增加字符串“12”
print("增加后的数组为：",ls)

# 列表的删除
del ls[1]  # 删除数组的第二个元素，即下标为1的字符串
# ls.pop() # 删除列表最后一个元素
print("删除数组第二个元素后数组为：",ls)

# 列表的修改
ls[1] = "修改"  # 删除数组的第二个元素，即下标为1的字符串
print("修改数组第二个元素后数组为：",ls)

# 列表的查询
ls.index('OK') # 查找“OK”字符串
print("打印字符串“OK”的下标:",ls.index('OK'))

# 遍历列表
print("遍历列表:")
for i in ls:
    print(i)

结果：

• 元组

 # 元组
 YZ = ('元','组','的','元','素','不','修','改')
 YZ1 = ('的','!')
 YZ2 = YZ + YZ1
 del YZ # 删除元组
 print("元组的遍历：")
 for i in YZ2:
     print("\t\t",i)

结果：

• 字典

 # 字典
 D = {'这':1,'是':2,'字':3,'典':4,'！':5}
 D['这']=11   # 修改键“这”的值
 del D['是']   # 删除键“是”
 a = D['这']    # 查看键a的值
 print("字典\n查看“这”的下标：",a)
 # D.clear()  # 删除字典中的所有条目
 # 遍历输出列表
 str(D) # 打印字典
 for key in D:
     print(key)

结果：

• 集合

# 集合
aa = {1, 2, 3}
aa.add(4)  # 增加
print(aa)

aa.remove(2)  # 删除
print(aa)
# 遍历打印
for i in aa:
    print("\t\t",i)

结果：

二、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	元组	字典	集合
名称	list	tuple	dict	set
初始化	[‘0’,’0’,’1’]	(‘0’,’0’,’1’)	{‘0’:1,’0’:2,’1’:3}	{1,2}或set([2,3])
是否有序	有序	有序	无序，自动正序	无序
可否重复	是	是	是	否
读写性	读写	只读	读写	读写
存储方式	值	值	键值对（键不可重复）	键（不可重复）
添加	append	只读	add	d[‘key’]=’value’

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
# 打开小说
f = open(r'..\Lin\file_text\Sophies World.txt', 'r', encoding='utf8')
book = f.read()
f.close()

book_symbol = ['\n', '\t', '？', '?', '!', "！"," '", "'", ' "', '"', '""',  ',', '，', '.', '。','“','”','，']

# 删除标点符号
for i in book_symbol:
    book = book.replace(i, '')

# 把所有的小写 以空格分隔开
book = book.lower().split()

# 打开停用词
f = open(r'..\Lin\file_text\stops.txt', 'r', encoding='utf8')
stops = f.read()
f.close()
# 删除多余符号
stop_symbol = [" '", "'", ' "', '"', '\n']
for i in stop_symbol:
    stops = stops.replace(i, '')
# 以逗号分隔
stops = stops.split(',')
word_dict = {}  # 创建词典

# 去掉停用词
word_set = set(book) - set(stops)

# 遍历计算词频
for i in word_set:
    word_dict[i] = book.count(i)

word_count = list(word_dict.items())
word_count.sort(key = lambda x:x[1], reverse = True)
pd.DataFrame(data=word_count[0:20]).to_csv('Sophies World.csv', encoding='utf-8')

结果：