PYTHON LESSON 040
三级综合：词频统计
综合运用字典统计、列表处理与打擂台算法，完成词频统计综合项目。
00 · 学习目标
这一课要解决什么？
学完后，你应该能够
- split() 把句子拆成单词列表
- 字典计数：有则加一，无则设一
- sorted(字典) 按键排序输出
01 · 核心概念
字典、列表与算法综合
字典、列表与算法综合：词频统计的算法可以描述为：①把句子拆成单词；②用字典逐个计数；③按字典序输出结果；④打擂台找出冠军。先把步骤说清楚再写代码——这就是“算法的概念与描述”考点要求的思维。
GESP Python 3 级 · 综合应用GESP Python 3 级 · 算法的概念与描述复杂度隐藏常数与硬件差异，但仍是比较规模增长的核心工具。
02 · 语法与规则
先记住这 3 条，再开始写程序
split() 把句子拆成单词列表先准确读出这条写法的结构与作用。
字典计数：有则加一，无则设一换一组最小数据，手工推演一次结果。
sorted(字典) 按键排序输出再用边界值或反例确认它的适用条件。
03 · 完整实例
代码、运行结果和解释放在一起看
# 三级综合：词频统计小程序
sentence = "apple banana apple orange banana apple"
words = sentence.split()
count = {}
for w in words:
if w in count:
count[w] = count[w] + 1
else:
count[w] = 1
print("文章单词：", words)
print("—— 词频统计 ——")
for w in sorted(count):
print(w, "出现了", count[w], "次")
# 找到出现次数最多的单词
best_word = ""
best_count = 0
for w in count:
if count[w] > best_count:
best_word = w
best_count = count[w]
print("出现最多的是：", best_word, "（", best_count, "次）")文章单词： ['apple', 'banana', 'apple', 'orange', 'banana', 'apple'] —— 词频统计 —— apple 出现了 3 次 banana 出现了 2 次 orange 出现了 1 次 出现最多的是： apple （ 3 次）
“有则加一、无则设一”是字典计数的万能口诀，一定要背下来。
04 · 逐步理解
每一步只解决一个问题
- 01
算法四步走
词频统计的算法可以描述为：①把句子拆成单词；②用字典逐个计数；③按字典序输出结果；④打擂台找出冠军。先把步骤说清楚再写代码——这就是“算法的概念与描述”考点要求的思维。
- 02
split：句子变列表
sentence.split() 按空格把字符串切开，得到一个单词列表。括号里也可以指定其他分隔符，比如按逗号切。字符串方法 split 是文本处理的第一步。
words = sentence.split() - 03
字典计数：万能口诀
遇到单词 w：如果它已经在字典里，次数加一；否则，设为 1。这个“有则加一、无则设一”的模式能数单词、数票数、数任何东西，是三级考试的高频套路。
if w in count: count[w] = count[w] + 1 else: count[w] = 1 - 04
按字典序输出
sorted(count) 把字典的键排好序（字母顺序），再逐个取出对应的次数。结果整齐划一，判题时也有确定答案。
for w in sorted(count): print(w, count[w]) - 05
打擂台找冠军
best_count 从 0 开始，逐个单词挑战：谁的次数高，就把名字和次数都记下来。循环结束，擂主就是出现最多的单词。一级学的打擂台，到这里依然宝刀不老。
if count[w] > best_count: best_word = w best_count = count[w] - 06
还能升级成什么
把 sentence 换成一整段英文（用三引号字符串），你的程序就是简易版“作文分析器”；加一句 if len(w) > 3 只统计长单词，就更像真的分析工具了。三级综合项目，重在把零散知识串成线。
05 · 练习与检验
自己写出来，才算真正学会
- 1运行程序，核对每个单词的次数
- 2换一句自己的英语句子上来统计
- 3找出出现次数最多的单词
- 4挑战：只统计长度大于 3 的单词
06 · 完整知识
继续理解定义、规则和适用边界
第一次学习先完成上面的六个步骤；需要查定义、核对规则、分析误区或理解“为什么”时，再展开对应知识章。
算法方法算法、复杂度与解题验证把题意转成输入、状态、规则与输出，用正确性和复杂度共同评价解法。＋
正式定义
算法是解决一类问题的有限、明确步骤。正确性说明算法对所有满足前置条件的输入都得到规定结果；时间和空间复杂度描述输入规模增长时资源使用的增长量级。
必须掌握
- 先明确输入规模 n、数据范围、目标和允许误差，再选择数据结构与算法。
- O(1)、O(log n)、O(n)、O(n log n)、O(n²)、O(2ⁿ) 表示增长量级，不是精确运行秒数。
- 顺序代码复杂度取较大项，嵌套循环常相乘，二分每步把范围缩小一半。
- 正确性可用循环不变量、数学归纳、交换论证、反证或状态定义来说明。
- 样例只验证少量输入；必须自己设计边界、极端、重复、有序/逆序和无解数据。
- 优化前先得到正确基线并测量瓶颈，不为小数据盲目增加复杂实现。
常见误区
- 只看样例通过就宣称正确
- 不看数据范围使用 O(n²)
- 二分区间开闭混用
- 把 O(n) 当成永远比 O(log n) 慢固定倍数
适用边界
- 复杂度隐藏常数与硬件差异，但仍是比较规模增长的核心工具。
- 考场策略、课程完成度和算法能力是不同证据，任何单项都不能保证考级通过。
编码与文本字符串、转义、切片与格式化从不可变字符序列到检索、拆分、拼接、格式化和常用判断方法。＋
正式定义
str 是不可变的 Unicode 字符序列。下标访问单个字符，切片生成新字符串；任何看似“修改字符串”的方法都会返回新对象。
必须掌握
- 下标从 0 开始，负下标从末尾开始；切片 s[start:stop:step] 不包含 stop，step 不能为 0。
- 转义序列用于在字面量中表示换行、制表、引号、反斜杠或码点；原始字符串仍有末尾反斜杠限制。
- find 找不到返回 -1，index 找不到抛 ValueError；count 统计不重叠出现次数。
- split 把字符串拆成列表，join 用一个字符串连接可迭代对象中的字符串，strip 只删除两端字符。
- f-string 的格式说明可控制宽度、对齐、精度、进制和百分比；格式化不改变原值。
- isalpha/isdigit 等按 Unicode 定义，不只识别英文字母和 ASCII 数字。
常见误区
- 尝试 s[0] = 'A' 原地修改字符串
- 把 strip('ab') 误解为删除完整子串 'ab'
- find 返回 -1 后直接拿去当有效下标
- 把字节长度与字符长度混为一谈
适用边界
- 正则表达式不在低等级字符串必修范围，但复杂模式匹配时应使用 re，而不是堆叠大量 split/find。
- 面向用户的字符计数还可能涉及组合字符和字素簇，len 统计的是 Unicode 码点序列长度。
核心数据结构列表、元组、字典与集合按顺序、可变性、唯一性和查找需求选择容器，并掌握遍历、推导式、排序与复制。＋
正式定义
容器保存多个对象。list 是可变有序序列，tuple 是不可变有序序列，dict 保存唯一键到值的映射，set 保存无序且不重复的可哈希对象。
必须掌握
- list 支持下标、切片、append、extend、insert、pop、remove 与 sort；多数修改方法返回 None。
- tuple 的逗号比括号更关键，单元素元组必须写成 (value,)。
- dict 保持插入顺序；键必须可哈希且唯一，get 可提供缺省值，items 同时遍历键和值。
- set 用于去重与集合运算：| 并、& 交、- 差、^ 对称差；空集合必须写 set()。
- enumerate 同时给出序号和值，zip 并行遍历多个可迭代对象，默认在最短输入处停止。
- 浅复制只复制最外层容器；嵌套可变对象仍可能共享。
常见误区
- 把 list.sort() 的返回值赋回列表
- 遍历 dict 时同时改变其大小
- 用可变 list 当字典键
- 把 set 当成有固定顺序的序列
适用边界
- 大量从队首删除时 list.pop(0) 是 O(n)，应使用 collections.deque。
- 需要有序映射的特殊操作、计数或默认值时可查阅 collections，但先理解基本 dict。
Python 基础条件、循环与程序流程准确理解 if、for、while、range、break、continue 和循环嵌套，而不是背代码模板。＋
正式定义
控制流决定下一条要执行的语句。分支依据布尔条件选择路径；循环在满足规则时重复执行代码块。Python 用冒号和缩进界定代码块。
必须掌握
- if/elif/else 从上到下判断，只执行第一个为真的分支；else 不写条件。
- for 依次取得可迭代对象中的元素；range(start, stop, step) 包含 start、不包含 stop，step 不能为 0。
- while 在每轮开始前检查条件；循环体必须让状态向终止条件推进。
- break 结束最内层循环，continue 跳过本轮剩余语句，循环的 else 仅在没有被 break 终止时执行。
- 嵌套循环的总执行次数通常需要把各层次数相乘；内层 break 不会结束外层循环。
- 边界测试至少覆盖空范围、单个元素、第一项命中、最后一项命中和始终不命中。
常见误区
- range 的右端点多算或少算一次
- while 忘记更新状态造成死循环
- 把两个互斥条件写成两个独立 if
- 误以为 break 会跳出所有嵌套循环
适用边界
- 流程图是算法的表示方法，不是 Python 语法。
- 递归也能表达重复，但有调用开销和递归深度限制，不能无条件代替循环。
完成检查