Python的安装及编译，创建一个语料库，计算文本词汇表，并统计单词出现的次数，过滤文本。并按文体（两个以上）计数词汇，绘制其中情态动词的条件频率分布图和分布表。要求使用文本编辑器创建程序，使用关键字表示函数输出，以python文件命名，编写相应程序。

1. Python的安装及编译

首先，需要在官网下载Python的安装包，根据操作系统选择合适的版本进行安装。

安装完成后，可以在终端或命令行中输入`python`，如果出现Python的版本号，则表示安装成功。

2. 创建一个语料库

语料库指的是用于自然语言处理的文本数据集合。可以使用Python内置的`open`函数来打开一个文本文件并读取其中的内容。

with open('corpus.txt', 'r', encoding='utf-8') as f:
    corpus = f.read()

上述代码将打开名为`corpus.txt`的文本文件，并将其中的内容读取到`corpus`变量中。

3. 计算文本词汇表，并统计单词出现的次数

可以使用Python中的`collections`模块来统计词频。

import collections

# 分词
words = corpus.split()

# 统计词频
word_freq = collections.Counter(words)

# 打印词频最高的前10个单词
print(word_freq.most_common(10))

上述代码将对语料库中的文本进行分词，并使用`collections`模块中的`Counter`函数统计每个单词出现的次数。最后，打印出现频率最高的前10个单词。

4. 过滤文本

在自然语言处理中，常常需要对文本进行过滤，例如去除停用词等。可以使用Python中的`nltk`模块来进行过滤。

import nltk
from nltk.corpus import stopwords

# 下载停用词
nltk.download('stopwords')

# 过滤停用词
filtered_words = [word for word in words if word.lower() not in stopwords.words('english')]

# 统计词频
filtered_word_freq = collections.Counter(filtered_words)

# 打印词频最高的前10个单词
print(filtered_word_freq.most_common(10))

上述代码将使用`nltk`模块中的`stopwords`函数下载英文停用词，并将文本中的停用词过滤掉。最后，统计过滤后的词频并打印出现频率最高的前10个单词。

5. 按文体（两个以上）计数词汇

可以使用Python中的`nltk`模块中的`corpus`函数来读取不同文体的语料库，并分别对其进行统计。

import nltk
from nltk.corpus import gutenberg, brown

# 读取Gutenberg语料库
gutenberg_words = gutenberg.words()
gutenberg_word_freq = collections.Counter(gutenberg_words)

# 读取Brown语料库
brown_words = brown.words()
brown_word_freq = collections.Counter(brown_words)

# 打印Gutenberg语料库中出现频率最高的前10个单词
print(gutenberg_word_freq.most_common(10))

# 打印Brown语料库中出现频率最高的前10个单词
print(brown_word_freq.most_common(10))

上述代码将分别读取Gutenberg语料库和Brown语料库，并统计每个文体中单词的出现频率。最后，打印出现频率最高的前10个单词。

6. 绘制情态动词的条件频率分布图和分布表

可以使用Python中的`nltk`模块中的`ConditionalFreqDist`函数来计算情态动词的条件频率分布，并使用`matplotlib`模块来绘制图表。

import nltk
from nltk.corpus import brown
import matplotlib.pyplot as plt

# 计算情态动词的条件频率分布
cfd = nltk.ConditionalFreqDist((genre, word) for genre in brown.categories() for word in brown.words(categories=genre) if word in ['can', 'could', 'may', 'might', 'must', 'will'])

# 绘制条件频率分布图
cfd.plot()

# 绘制条件频率分布表
cfd.tabulate()

上述代码将使用`nltk`模块中的`ConditionalFreqDist`函数计算情态动词在不同文体中的条件频率分布，并使用`matplotlib`模块绘制图表。最后，使用`tabulate`函数打印条件频率分布表。