# python_01

**Repository Path**: desiy/python_01

## Basic Information

- **Project Name**: python_01
- **Description**: login
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-06-03
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 大数据导论试卷

#### 介绍

首先我会将此题分为两个步骤完成。第一步就是找出高频词汇（2字词汇）；第二步绘图（）；在做第一步之前我们需要使用python的jieba库：优秀的中文分词组件。支持繁体分词、自定义词典。我选择读取的文本是西游记。首先读取文本文件，我们在第十章学到过：with open(file) as name：** = name.read()，这里同样使用。不过我们需要加上编码格式encoding="utf-8"。接着我们使用jieba中的方法lcut对文本进行精确分词，再自定义一个存储词语及其出现次数的容器，最后遍历。需要注意的是我们要排除单个字。items.sort(key=lambda x: x[1], reverse=True)这个语句中的sort函数用于对原列表就行排序，如果指定参数，则使用比较函数指定的比较函数。reverse=True是降序的意思，反之False为升序。这里的难点是key=lambda x: x[1]，这个lambda是一个隐函数，后面的x: x可以自定义两个一样的字母，[0]按照第一维排序，[1]按照第二维排序，[2]按照第三维排序。我们这里排序是根据该词语出现的次数就行排序，我们输出的结果格式是（word，count），count就是次数。
print("{0:<5}{1:>5}".format(word, count))这个是format方法的bai格式控制。首先：'我的{0}叫{1}'.format(name,jack)，大括号里的数字表示的是位置，也就是0对应的name,1对应的jack。同理，题中0对应的是word，1对应的是count。其次，冒号是引导符，后面跟的是格式控制方法。<表示左对齐，>表示右对齐，数字表示宽度。同理，题中<10表示左对齐，并占10个位置，>5表示右对齐，占5个位置。运行后报错：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 0——Python 编码中编码解码的问题，我这个错误就是‘utf-8’不能解码位置0的那个字节（0xa1），也就是这个字节超出了utf-8的表示范围了，我们这里将utf-8换成gb18030即可。这样我们就可以获得文本前十五的高频词汇。
最后就是绘图。我们结合第十七章练习完成。练习中是从一个json文件中获取，那么我们可不可以直接使用上一步生成的数据来生成图表呢？练习中我们从json文件中通过遍历取的的值作为图表的参数，这里我们直接省去了json文件遍历，直接使用数据作为图表的参数。