題目：

統(tǒng)計一個文件中每個單詞出現(xiàn)的次數(shù)，列出出現(xiàn)頻率最多的5個單詞。

前言：

這道題在實際應(yīng)用場景中使用比較廣泛，比如統(tǒng)計歷年來四六級考試中出現(xiàn)的高頻詞匯，記得李笑來就利用他的編程技能出版過一本背單詞的暢銷書，就是根據(jù)詞頻來記單詞，深受學(xué)生喜歡。這就是一個把編程技能用來解決實際問題的典型場景。另外，在數(shù)據(jù)分析時，那些詞云效果本質(zhì)上都是基于詞頻統(tǒng)計來調(diào)整字體的大小，如果你能熟練運用Python中的知識來解決問題的話，說明你真的入門Python了。

分析

本題主要考察以下幾個方面的知識點：

1、如何正確讀寫文件

在python中讀寫文件可以使用內(nèi)置函數(shù)open()，而 open 函數(shù)在python2 和 python3 中有一定的區(qū)別，比如 Python 中可以指定讀寫文件的編碼格式，而 Python 則不可以，為了同時兼容2和3，我們通常會使用io模塊下面的 open 函數(shù)，大家可以查文檔搞清楚它們之間的區(qū)別，培養(yǎng)主動學(xué)習(xí)能力和查資料的習(xí)慣。

另外一點是讀寫文件完成之后是需要關(guān)閉文件描述符的，除了可以使用 try...except...finally的語法之后，我們還可以使用更優(yōu)雅的 with … as 的語法來自動關(guān)閉文件。

2、如何對數(shù)據(jù)進行排序

sorted函數(shù)是一個使用頻率很高的內(nèi)置函數(shù)，它的用法也很強大，因為它可以通過指定參數(shù) key 來進行自定義排序，也就意味著你不僅可以對數(shù)字排序、對字母排序、還可以對列表、字典、自定義的對象進行排序，你只需要要告訴 sorted 函數(shù)的排序規(guī)則是什么，比如一個people對象，我既可以根據(jù)年齡排序也可以根據(jù)身高體重來排序，所以這個函數(shù)時非常靈活的，另外，對于列表對象有自帶的 sort 方法，如果能區(qū)分清楚 list.sort 與 sorted 之間區(qū)別那說明你已經(jīng)能靈活運用了。

3、字典數(shù)據(jù)類型的運用

做詞頻統(tǒng)計，用字典無疑是最合適的數(shù)據(jù)類型，單詞作為字典的key， 單詞出現(xiàn)的次數(shù)作為字典的 value，很方便地就記錄好了每個單詞的頻率，字典很像我們的電話本，每個名字關(guān)聯(lián)一個電話號碼。另外，字典最大的特點就是它的查詢速度會非常快。理想情況下時間復(fù)雜度為O(1)，我是說理想情況，如果你想深入了解字典的話，建議看看這篇文章 https://www.laurentluce.com/posts/python-dictionary-implementation/

4、正則表達式的運用

對文本、字符串處理，正則表達式簡直是神器，無論是做數(shù)據(jù)爬蟲還是數(shù)據(jù)清洗使用非常廣泛，當(dāng)然，正則表達式并不是Python特有的東西，所有編程語言都支持，我們要做的除了學(xué)習(xí)正則表達式還有他的API，只有熟悉了API我們才能運用到實際場景中去。關(guān)于正則表達式推薦一篇文章：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html ，另外我還發(fā)現(xiàn)有同學(xué)引入了jieba分詞庫，這個庫在做中文分詞非常有用，感興趣的可以去了解一下。