代码实现：现有一篇300万字的1.txt中文文档，分析计算其tf值，去除停用词（已给出停用词表），输出结果到3.txt，并依据2.txt计算1.txt中词的idf值，最后输出tf-idf值，并按降序排列。其中2.txt有3700篇文章

为了实现这个代码，我们需要进行以下步骤：

1. 读取1.txt文件，并将其内容转换为字符串
2. 使用中文分词工具（如jieba）将字符串转换为单词列表，并去除停用词
3. 计算每个单词在文档中的tf值
4. 读取2.txt文件，并将其内容转换为字符串
5. 使用中文分词工具将字符串转换为单词列表，并去除停用词
6. 计算每个单词在2.txt中出现的文档频率（idf值）
7. 计算每个单词的tf-idf值
8. 按照tf-idf值进行降序排列，并将结果输出到3.txt文件中

下面是实现这个代码的Python程序：

import jieba
import math

# 读取1.txt文件
with open('1.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 将文本转换为单词列表
words = jieba.lcut(text)
# 去除停用词
stopwords = ['的', '了', '和', '是', '就', '都', '而', '及', '与', '或', '之', '于', '也', '可以', '这', '我们', '你', '我', '他', '她', '它', '他们', '她们', '它们', '那', '这个', '那个', '这些', '那些', '一些', '一样', '这样', '那样', '如何', '怎么样', '因为', '所以', '但是', '然后', '接着', '所以', '因此', '这里', '那里', '到底', '究竟', '什么', '哪些', '哪里', '哪个', '谁', '多少', '如此', '这么', '那么', '那个', '这个', '只是', '却是', '但', '如果', '虽然', '尽管', '因为', '由于', '是否', '可能', '一定', '必须', '应该', '可以', '不可以', '不能', '不得', '需要', '不需要', '必须', '不必', '请', '谢谢', '不客气', '对不起', '没关系']
words = [word for word in words if word not in stopwords]

# 计算每个单词的tf值
word_count = len(words)
tf = {}
for word in words:
    tf[word] = tf.get(word, 0) + 1
for word in tf:
    tf[word] = tf[word] / word_count

# 读取2.txt文件
with open('2.txt', 'r', encoding='utf-8') as f:
    corpus = f.read()

# 将语料库转换为单词列表
corpus_words = jieba.lcut(corpus)
# 去除停用词
corpus_words = [word for word in corpus_words if word not in stopwords]

# 计算每个单词在语料库中出现的文档频率（idf值）
doc_freq = {}
for word in set(corpus_words):
    doc_freq[word] = corpus_words.count(word)
for word in doc_freq:
    doc_freq[word] = math.log(len(corpus_words) / doc_freq[word])

# 计算每个单词的tf-idf值
tf_idf = {}
for word in tf:
    tf_idf[word] = tf[word] * doc_freq.get(word, 0)

# 按照tf-idf值进行降序排列，并将结果输出到3.txt文件中
with open('3.txt', 'w', encoding='utf-8') as f:
    for word, score in sorted(tf_idf.items(), key=lambda x: x[1], reverse=True):
        f.write(f'{word}: {score:.4f}\n')

这个程序需要在同一目录下放置1.txt和2.txt文件，并使用中文分词工具（如jieba）进行文本分词。程序运行完成后，将输出结果保存到3.txt文件中。