Python实验4 列表与字典应用

目的 ：熟练操作组合数据类型。

试验任务：

1. 基础：生日悖论分析。如果一个房间有23 人或以上，那么至少有两
   
   个人的生日相同的概率大于50%。编写程序，输出在不同随机样本数
   
   量下，23 个人中至少两个人生日相同的概率。
   
   源码：
   
   import random
   
   def has_duplicate_birthdays():
   
   birthdays = [random.randint(1, 365) for _ in range(23)]
   
   return len(set(birthdays)) != len(birthdays）

def calculate_probability(sample_size):

count = 0

for _ in range(sample_size):

if has_duplicate_birthdays():

count = count + 1

return count / sample_size

不同的随机样本数量

sample_sizes = [100, 1000, 10000, 100000]

for size in sample_sizes:

probability = calculate_probability(size)

print(f"当样本数量为 {size} 时，23 个人中至少两个人生日相同的概率为: {probability:.4f}")

运行截图：

1. 进阶：统计《一句顶一万句》文本中前10 高频词，生成词云。
   
   源码：
   
   import jieba
   
   from collections import Counter
   
   from wordcloud import WordCloud
   
   import matplotlib.pyplot as plt

def generate_wordcloud(file_path):

try:

# 读取文本文件

with open(file_path, 'r', encoding='utf-8') as file:

text = file.read()

    # 分词
    words = jieba.lcut(text)

    # 过滤停用词，这里简单过滤单字和一些常见无意义符号
    stopwords = set(['，', '。', '、', '的', '是', '在', '和', '也', '有', '不'])
    filtered_words = [word for word in words if word not in stopwords and len(word) > 1]

    # 统计词频
    word_counts = Counter(filtered_words)

    # 获取前 10 高频词
    top_10_words = word_counts.most_common(10)
    print("前 10 高频词：")
    for word, count in top_10_words:
        print(f"{word}: {count}")

    # 生成词云
    wordcloud = WordCloud(font_path='simhei.ttf',
                          background_color='white',
                          width=800,
                          height=600).generate_from_frequencies(word_counts)

    # 显示词云
    plt.figure(figsize=(8, 6))
    plt.imshow(wordcloud, interpolation='bilinear')
    plt.axis('off')
    plt.show()

except FileNotFoundError:
    print(f"错误：未找到文件 {file_path}，请检查文件路径是否正确。")
except Exception as e:
    print(f"发生未知错误：{e}")

file_path = 'yi.txt'

generate_wordcloud(file_path)

运行截图：

1. 拓展：金庸、古龙等武侠小说写作风格分析。输出不少于3 个金庸（古
   
   龙）作品的最常用10 个词语，找到其中的相关性，总结其风格。
   
   源码：

import jieba

from collections import Counter

import re # 导入正则表达式模块

def count_word_frequencies(file_path, top_n=10):

with open(file_path, 'r', encoding='utf-8') as file:

text = file.read()

# 使用 jieba 进行分词
words = jieba.lcut(text)

# 排除一些常见的无意义词汇（停用词）
stopwords = set('的 了 是 在 和 有 个 与 不 一 我 他 以 也 子 之 幺'.split())
filtered_words = [word for word in words if word not in stopwords and len(word.strip()) > 1]

# 增加对标点符号的过滤
filtered_words = [word for word in filtered_words if not re.match(r'^[\W_]+$', word)]

# 统计词频
word_counts = Counter(filtered_words)

# 获取出现频率最高的前 top_n 个词
most_common_words = word_counts.most_common(top_n)

return most_common_words

调用函数并打印结果

file_paths = ['天龙八部.txt', '神雕侠侣.txt']

for file_path in file_paths:

most_common_words = count_word_frequencies(file_path, top_n=10)

print(f"小说《{file_path}》中前十高频词汇为：")

for word, count in most_common_words:

print(f"{word}")

print("\n" + "-"*50 + "\n")

运行截图：