### 使用 Python 字典与集合统计英文文本中单词出现频率的实现方法 在 Python 中，字典（Dictionary）和集合（Set）是两种非常强大的数据结构。字典可以用来存储键值对，其中键表示单词，值表示该单词出现的次数；而集合则可以用于去除重复项或进行其他集合操作。以下是一个完整的代码示例，展示如何使用字典统计英文文本中单词的出现频率，并结合集合去重。 #### 1. 读取文件并预处理文本 首先需要读取目标文本文件，并将内容转换为小写形式，同时移除标点符号以确保统计结果的准确性[^3]。 ```python import string def preprocess_text(filename): try: with open(filename, 'r', encoding='utf-8') as file: content = file.read() except FileNotFoundError: print(f"The file {filename} does not exist.") return None # 转换为小写并移除标点符号 content = content.lower().translate(str.maketrans('', '', string.punctuation)) words = content.split() return words ``` #### 2. 使用字典统计单词频率 接下来，利用字典来统计每个单词的出现次数。字典的键为单词，值为对应的出现次数[^1]。 ```python def count_word_frequencies(words): word_count = {} for word in words: if word in word_count: word_count[word] += 1 else: word_count[word] = 1 return word_count ``` #### 3. 找出出现次数最多的单词 为了找出出现次数最多的几个单词，可以对字典中的值进行排序[^1]。 ```python def get_top_n_words(word_count, n=5): sorted_words = sorted(word_count.items(), key=lambda x: x[1], reverse=True) return sorted_words[:n] ``` #### 4. 完整代码示例 将上述功能整合到一个完整的程序中： ```python import string def preprocess_text(filename): try: with open(filename, 'r', encoding='utf-8') as file: content = file.read() except FileNotFoundError: print(f"The file {filename} does not exist.") return None content = content.lower().translate(str.maketrans('', '', string.punctuation)) words = content.split() return words def count_word_frequencies(words): word_count = {} for word in words: if word in word_count: word_count[word] += 1 else: word_count[word] = 1 return word_count def get_top_n_words(word_count, n=5): sorted_words = sorted(word_count.items(), key=lambda x: x[1], reverse=True) return sorted_words[:n] if __name__ == "__main__": filename = "importthis.txt" # 替换为实际文件名 words = preprocess_text(filename) if words: word_count = count_word_frequencies(words) top_words = get_top_n_words(word_count, 5) for word, freq in top_words: print(f"{word}: {freq}") ``` #### 5. 结合集合去重 如果需要统计唯一单词的数量，可以使用集合来去除重复项[^2]。 ```python unique_words = set(words) print(f"Total unique words: {len(unique_words)}") ``` --- ###