该题目共二个问题，分成两道题分别作答。2 个文本文件分别摘自2019年和2018年的政府工作报告。请在右侧代码框中个源文件 ，实现以下功能
本题解答问题1问题1 ：数据统计。要求： 统计出两个文件中出现次数最多的10 个词语，作为主题词，要求词语不少于2个字符，打印输出在屏幕上，输出示例如下：（示例仅作为示意）
2019:改革:10,企业:9,…（略）,深化:2
2018:改革:11,效益,7,…（略）,深化:1
注意：输出格式采用英文冒号和英文逗号，标点符号前后无空格，各词语间用逗号分隔，最后一个词语后无逗号。
import jieba
d={}
d2019={}
fo=open('政府工作报告2018.txt','r',encoding='utf-8')
fi=open('政府工作报告2019.txt','r',encoding='utf-8')
for line in fi.readlines():
m=jieba.lcut(line.strip('n'))
for k in m:
if len(k)>=2:
d2019[k]=d2019.get(k,0)+1
lt = list(d2019.items())
lt.sort(key = lambda x:x[1],reverse = True)
print('2019:',end='')
for i in range(10):
if i+1 <10:
print('{}:{},'.format(lt[i][0],lt[i][1]),end='')
else:
print('{}:{}'.format(lt[i][0],lt[i][1]),end='')
print('')
for line in fo.readlines():
m=jieba.lcut(line.strip('n'))
for k in m:
if len(k)>=2:
d[k]=d.get(k,0)+1
lt = list(d.items())
lt.sort(key = lambda x:x[1],reverse = True)
print('2018:',end='')
for i in range(10):
if i+1 <10:
print('{}:{}'.format(lt[i][0],lt[i][1]),end=',')
else:
print('{}:{}'.format(lt[i][0],lt[i][1]),end='')
笔者的方式比较繁琐，大家可以看一看，这里作简要说明：
首先是去遍历这个两个文件，然后分词，然后用字典方法计算个数。再用列表的sort方法进行排序。然后再用range(10)来遍历前十个，再就是输出。输出要特别注意，因为有提到最后不能以逗号结尾，所以还要用if i+1< 10来判断一下是否是最后一行，不是的话就以逗号结尾。
再介绍以下答案的简洁代码：
import jieba
def getWords(fn):
fi = open(fn, 'r', encoding='utf-8')
ls = jieba.lcut(fi.read())
d = {}
for l in ls:
if len(l) >= 2:
d[l] = d.get(l, 0) + 1
lt = list(d.items())
lt.sort(key=lambda x: x[1], reverse=True)
return lt
def showWords(li, year, num=10):
print('{}:'.format(year), end='')
for i in range(num):
k, v = li[i]
if i < num - 1:
print('{}:{}'.format(k, v), end=',')
else:
print('{}:{}'.format(k, v))
ls2019 = getWords('政府工作报告2019.txt')
ls2018 = getWords('政府工作报告2018.txt')
showWords(ls2019, 2019)
showWords(ls2018, 2018)
这里定义了两个函数，第一个函数用来分词以及排序，参数是文件名，返回值是排好了顺序的列表。第二个函数用来输出的，参数是排好了序的列表，年份，以及10，10用来给排好序的列表遍历出前10个元组，然后把每个元组里的两个元素赋值给k,v，分别是分的词和词频。然后输出时候也是作一个判断，用 if i
问题2： 数据关联。要求：修改右侧代码框中代码，对比两组主体词的差异，输出两组的共有词语和分别的特有词语，输出示例如下：（示例词语费答案）
共有词语：改革，…（略）,深化
2019 特有：企业，…（略）,加强
2019 特有：效益，…（略）,创新
注意：输出格式采用英文冒号和英文逗号，标点符号前后无空格，各词语间用逗号分隔，最后一个词语后无逗号。
import jieba
def getwords(fname):
d={}
fo=open(fname,'r',encoding='utf-8')
for line in fo.readlines():
m=jieba.lcut(line.strip('n').strip())
for k in m:
if len(k)>=2:
d[k]=d.get(k,0)+1
lt = list(d.items())
lt.sort(key = lambda x:x[1],reverse = True)
tpc={}
for i in range(10):
tpc[lt[i][0]]=lt[i][1]
return tpc
tpsl2019=getwords('政府工作报告2019.txt')
tpsl2018=getwords('政府工作报告2018.txt')
cmm={}
t2019={}
for each in tpsl2019:
if each in tpsl2018:
cmm[each]=tpsl2019[each]
tpsl2018.pop(each)
else:
t2019[each]=tpsl2019[each]
print('共有词语:',end='')
print(','.join(list(cmm.keys())))
print('2019特有:',end='')
print(','.join(list(t2019.keys())))
print('2018特有:',end='')
print(','.join(list(tpsl2018.keys())))
简要说明一下：也是和第一问类似，定义一个函数，参数是读取的文件名，去分词、排序、遍历出前十个，如出一辙，但是我把这10个元组值以键值对形式放在一个字典里，然后返回值是这个字典。然后通过调用函数，得到2019年与2018年的分词与词频的键值对组成的字典。
去用each遍历2019年的字典，如果 它也在2018年的字典里，就把它放入cmm这个新字典代表共同的，然后再把这个相同的元素从2018字典里摘出去，这样2018字典里剩下的就是它特有的。
如果2018字典里没有，那就是2019字典特有的，就把它放到t2019这个新字典里。
然后我们就有了“共同元素字典”、“2019特有词字典”、“2018特有词字典”，再用’,'.join(list(d.keys()))方式分别输出出来。
