![Python语言程序设计-课后练习-第6周_第1页](http://file4.renrendoc.com/view/f3d56a4e2fe97881d0006534a0007208/f3d56a4e2fe97881d0006534a00072081.gif)
![Python语言程序设计-课后练习-第6周_第2页](http://file4.renrendoc.com/view/f3d56a4e2fe97881d0006534a0007208/f3d56a4e2fe97881d0006534a00072082.gif)
![Python语言程序设计-课后练习-第6周_第3页](http://file4.renrendoc.com/view/f3d56a4e2fe97881d0006534a0007208/f3d56a4e2fe97881d0006534a00072083.gif)
![Python语言程序设计-课后练习-第6周_第4页](http://file4.renrendoc.com/view/f3d56a4e2fe97881d0006534a0007208/f3d56a4e2fe97881d0006534a00072084.gif)
![Python语言程序设计-课后练习-第6周_第5页](http://file4.renrendoc.com/view/f3d56a4e2fe97881d0006534a0007208/f3d56a4e2fe97881d0006534a00072085.gif)
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
中国大学MOOC课程《Python语言程序设计》课后练习(第6周)北京理工大学Python语言教学团队第1页/共8页【说明】本文是中国大学MOOC课程《Python语言程序设计》第6周的课后练习,预估学习完成时间约50分钟。本周课后练习内容包括3道编程题,帮助同学学习文件读写和字典操作。对于尚未安装Python运行环境的同学,请根据第1周课程内容介绍的步骤安装Python3.5.1或者Python3.5.2版本解释器,如果操作系统兼容性有问题,可以安装Python3.4版本解释器。第2页/共8页【课后练习】1.理解文本和二进制打开方式的区别首先,用文本编辑器生成一个包含“中国是个伟大国家!”的txt格式文本文件,命名为test.txt。编写程序分别用文本文件方式和二进制文件方式读入,并打印输出效果。观察输出结果并解释。2.文件处理fo=open(fname,"r")forlineinfo:#处理一行数据fo.close()上述格式是打开文件并逐行处理的程序框架,请编写一个实例练习。3.哈姆雷特词频统计Hamlet,《哈姆雷特》,是莎士比亚的一部经典悲剧作品,讲述了克劳狄斯叔叔谋害哈姆雷特父亲并篡取王位、哈姆雷特流浪在外并向叔叔复仇的故事。《哈姆雷特》也叫《王子复仇记》,代表着整个西方文艺复兴时期文学的最高成就,很多国内外电影都以这个故事为原型。获取该故事的文本文件,保存为hamlet.txt。全文可以从MOOC课程下载或从网络获得。统计Hamlet英文词频的第一步是分解并提取英文文章的单词。同第3页/共8页
一个单词会存在大小写不同形式,但计数却不能区分大小写。假设Hamlet文本由变量txt表示,可以通过txt.lower()函数将字母变成小写,排除原文大小写差异对词频统计的干扰。英文单词的分割可以是空格、标点符号或者特殊符号。为统一分隔方式,可以将各种特殊字符和标点符号使用txt.replace()方法替换成空格,再提取单词。统计词频的第二步是对每个单词进行计数。假设将单词word中,使用一个字典类型counts={},统计单词次数可采用保存在变量出现的如下代码:counts[word]=counts[word]+1当遇到一个新词时,单词没有出现在字典结构中,则需要在字典中新建键值对:counts[new_word]=1因此,无论词是否在字典中,加入字典counts中的处理逻辑可以统一表示为:ifwordincounts:counts[word]=counts[word]+1else:counts[word]=1或者,个这处理逻辑可以更简洁的表示为如下代码:counts[word]=counts.get(word,0)+1字典类型的counts.get(word,0)方法表示:如果word在counts中,则返回word对应的值,如果word不在counts中,则返回0。该实例的第三步是对单词的统计值从高到低进行排序,输出前10第4页/共8页
个高频词语,并格式化打印输出。由于字典类型没有顺序,需要将其转换为有顺序的列表类型,再使用sort()方法和lambda函数配合实现根据单词次数对元素进行排序。最后输出排序结果前10位的单词。items=list(counts.items())#将字典转换为记录列表items.sort(key=lambdax:x[1],reverse=True)#以第2列排序采用函数对获取和整理文本进行封装,下面给出该实例的完整代码。CalHamlet.py实例代码1#CalHamlet.py2defgetText():34567txt=open("hamlet.txt","r").read()txt=txt.lower()forchin'!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':txt=txt.replace(ch,"")#returntxt将文本中特殊字符替换为空格8hamletTxt=getText()9words=hamletTxt.split()10counts={}11forwordinwords:12counts[word]=counts.get(word,0)+113items=list(counts.items())14items.sort(key=lambdax:x[1],reverse=True)15foriinrange(10):1617word,count=items[i]print("{0:<10}{1:>5}".format(word,count))运行程序后,输出结果如下:>>>the1138第5页/共8页andtoofyoua965754669550542i542my514hamlet462in436观察输出结果可以看到,高频单词大多数是冠词、代词、连接词等语法型词汇,并不能代表文章的含义。请完成如下内容:(1)根据这个例子编写程序,完成上述功能和结果输出;(2)修改上述代码,采用集合类型构建一个排除词汇库excludes,在输出结果中排除这个词汇库中内容,4.中文分词学习对于一段英文文本,例如"Chinaisagreatcountry",如果希望提取其中单词,只需要使用字符串处理的split()方法即可,如下:>>>"Chinaisagreatcountry".split()['China','is','a','great','country']然而,对于一段中文文本,例如"中国是一个伟大的国家",希望获得其中的单词(不是字符)则十分困难,因为英文文本可以通过空格或者标点符号分割,而中文单词之间缺少分隔符,这是中文及类似第6页/共8页语言独有的“分词”问题。分词能够将"中国是一个伟大的国家"分为"、"国家"等一系列词语。jieba(“结巴”)是Python中一个重要的第"中国"、"是"、"一个"、"伟大"、"的三方中文分词函数库,例子如下。>>>importjieba>>>jieba.lcut("中国是一个伟大的国家")['中国','是','一个','伟大','的','国家']jieba库是第三方库,不是安装包自带,因此,需要通过pip指令安装。pip安装命令如下(请在命令行下执行,如果系统同时包括Python2.x和Python3.x系列版本,请用pip3命令)::\>pipinstalljieba#或者pip3installjiebajieba库的分词原理是利用一个中文词库,将待分词的内容与分词词库进
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024-2030年全球与中国螺杆配件行业市场现状调研分析及发展前景报告
- 2024-2030年全球与中国电力电子自动化设备行业市场现状调研分析及发展前景报告
- 2024-2030年全球与中国智能气泡水机行业市场现状调研分析及发展前景报告
- 2024-2030年全球与中国对氯乙酰苯胺行业市场现状调研分析及发展前景报告
- 2024-2030年全球与中国乙酰异戊酰基行业市场现状调研分析及发展前景报告
- 2024-2030年中国苯丁烯酮市场专题研究及市场前景预测评估报告
- 2024-2030年中国硫酸铯市场专题研究及市场前景预测评估报告
- 人教版八年级物理上册期末复习:物态变化 限时练(解析版)
- 2025年辽宁中考语文复习专项训练:字音字形(含解析)
- 第六章 图样的基本画法(6-4)
- 广西中小学幼儿园教师职业道德负面清单和失范行为处理办法
- 2023年新教师心理健康培训
- 销售人员人才画像
- 智能化工程施工重难点分析
- 《阅读理解六层次》课件
- 施工重点难点分析及解决措施和方法
- 西藏安琪珠峰生物科技有限公司年产200吨高原益生菌绿色制造项目环评报告书
- 《动物生物化学》课程标准
- 整理我的小书桌(课件)小学劳动二年级通用版
- 河南省社科联调研课题课题封面式样
- 实验一 电位差计的使用
评论
0/150
提交评论