Python组合数据类型

集合 类型及操作

定义：多个元素的无序组合

---集合元素之间无序，每个元素唯一，不存在相同元素

---集合元素不可更改，不能是可变数据类型

---应用场景：关系比较；数据去重，集合类型所有元素无重复

集合处理方法

操作函数或方法	描述
S.add(x)	如果x不在集合s中，将x增加到s
S.discard(x)	移除s中元素x，如果x不在集合s中，不报错
S.remove(x)	移除s中元素x，如果x不在集合s中，产生keyError异常
S.clear()	移除s中所有元素
S.pop()	随机返回s的一个元素，更新s，若s为空产生KeyError异常

 #数据去重
 ld = ["p", "p", "y", "y", 123]
 s = set(ld)
 >>>{'p', 'y', 123}
 lt = list(s)
 ['p', 'y', 123]

序列类型

定义：是具有先后关系的一组元素（基类类型 ）:字符串，元组和列表

--序列是一维元素向量，元素类型可以不同

--元素间由序号引导，通过下标访问序列的特定元素

通用函数及方法

函数和方法	描述
len(s)	返回序列x的长度
min(s)	返回序列s的最小元素，s中元素需要可比较
max(s)	返回序列s的最大元素，s中元素需要可比较
s.index(x) && s.index(x)	返回序列s从i开始到j位置中第一次出现元素x的位置（索引）
s.count(x)	返回序列s中出现x的总次数

元组类型

定义：是序列类型的一种扩展，一旦创建就不能被修改

--使用小括号()或tuple()创建，元素间用逗号分隔

--继承了序列类型的全部通用操作

列表类型

定义：是序列类型的一种扩展，十分常用，创建后可以被随意修改

--使用[]或list()创建，元素间用逗号分隔

--列表中各元素不同，无长度限制

函数及方法	描述
ls[i] = x	替换列表ls第i元素为x
ls[i:j:k] = lt	用列表lt替换ls切片后所对应的子元素列表
del ls[i]	删除列表ls中第i元素
del ls[i:j:k]	删除列表ls中第i到第j以k为步长的元素
ls += lt	更新列表ls，将列表lt元素增加到列表ls中
ls* = n	更新列表ls，使其元素重复n次

函数及方法	描述
ls.append(X)	在列表ls最后增加一个元素x
ls.clear()	删除列表ls中所有元素
ls.copy()	生成一个新列表，赋值ls中所有元素
ls.insert(i, x)	在列表ls的第i位置增加元素x
ls.pop(i)	将列表ls中第i位置元素取出并删除该元素
ls.remove(x)	将列表ls中出现的第一个元素x删除
ls.reverse()	将列表ls中的元素反转

序列类型及应用场景

元素遍历：

 #列表类型：
 for item in ls:         
     <语句块>
 #元组类型：
 for item in tp:
     <语句块>

数据保护

定义：如果不希望数据被程序所改变，可转换为元组类型

 ls = ["cat", "dog", "tiger", 1024]
 lt = tuple(ls)

基本统计运算

 def getNum():
     nums = []
     iNumStr = input("请输入数字（回车退出）：")
     while iNumStr != "":
         nums.append(eval(iNumStr))
         iNumStr = input("请输入数字（回车退出）：")
     return nums
 def mean(numbers):
     s = 0.0
     for num in numbers:
         s = s + num
     return s / len(numbers)
 def dev(numbers, mean):
     sdev = 0.0
     for num in numbers:
         sdev = sdev + (num + mean) ** 2
         return pow(sdev / (len(numbers) - 1), 0.5)
 def median(numbers):
     # sorted:排序
     sorted(numbers)
     size = len(numbers)
     if size % 2 == 0:
         med = (numbers[size//2-1] + numbers[size//2])/2
     else:
         med = numbers[size//2]
     return med
 n = getNum()
 m = mean(n)
 print("平均值：{}, 方差：{:.2}，中位数{}.".format(m, dev(n,m), median(n)))
 ​

字典类型

---映射：一种键（索引）和值（数据）的对应，由用户为数据定义索引

---键值对：键是数据索引的扩展

---字典是键值对的集合，键值对之间无序，字典类型是映射的体现

---采用{}和dict()创建，键值对用 ：表示

函数及方法	描述
del d[k]	删除字典d中对应的数据值
k in d	判断k是否在字典d中，返回（true和false）
d.keys()	返回字典d中所有的键信息
d.values()	返回字典d中所有的值信息
d.items()	返回字典d中所有的键值对的信息

函数及方法	描述
d.get(k, default)	键k存在，返回相应的值，不存在啧返回default值
d.pop(k, default)	键k存在，取出相应的值，不存在啧返回default值
d.popitem()	随机从字典d中取出一个键值对，以元组形式返回
d.clear()	删除所有的键值对
len(d)	返回字典d中元素的个数

 #定义空字典 >>> d={}
 #向d新增2个键值对元素 >>> d["d"]=1;b["b"]=2
 #修改第二个元素 >>> d["b"]=3

jieba库

--中文文本需要通过分词获得单个的词语

--jieba是优秀的中文分词第三方库，需要额外安装，依靠中文词库，除了分词，用户可以添加自定义词组

--jieba库提供三种分词模式，最简单只需要掌握一个函数

精确模式

把文本精确的切分开，不存在冗余单词

全模式

把文本中所有可能词语都扫描出来，有冗余

搜索引擎模式

在精确模式基础上，对长词再次切分，存在冗余

jieba库常用函数

函数	描述
jieba.lcut(s)	精确模式，返回一个列表类型的分词结果
jieba.lcut(s, cut_all=True)	全模式，返回一个列表类型的分词结果，存在冗余
jieba.lcut_for_search(s)	搜索引擎模式，返回一个列表类型的分词结果，存在冗余
jieba.add_word(w)	向分词词典增加新词w

文本词频统计

 def getText():
     txt = open("hamlet.txt", "r").read()
     txt = txt.lower()
     for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_{|}·~’‘':
         txt = txt.replace(ch, " ")
     return txt
 hamletTxt = getText()
 words = hamletTxt.split()
 counts = {}
 for word in words:
     counts[word] = counts.get(word, 0) + 1
 items = list(counts.items())
 items.sort(key=lambda x:x[1], reverse = Ture)
 for i in range(10):
     word, count = items[i]
     print("{0:<10}{1:>5}".format(word, count))
 #CalThreeKingdomsV1.py
 import jieba
 txt = open("threekingdoms.txt", "r", encoding = "utf-8").read()
 words = jieba.lcut(txt)
 counts = {}
 for word in words:
     if len(word) == 1
         continue
     else:
         counts[word] = counts.get(word, 0) + 1
 items = list(counts.items())
 items.sort(key = lambda x:x[1], reverse = True)
 for i in range(15):
     word, count = items[i]
     print("{0:<10}{1:>5}".format(word, count))
 #CalThreeKingdomsV2.py
 import jieba
 txt = open("threekingdoms.txt", "r", encoding = "utf-8").read()
 #排除非人名分词
 excludes = {"", "", ""}
 words = jieba.lcut(txt)
 counts = {}
 for word in words:
     if len(word) == 1
         continue
     elif word == "诸葛亮" or word == "孔明曰":
         rword = "孔明"
     else:
         rword = word
     counts[word] = counts.get(word, 0) + 1
 for word in excludes:
     del counts[word]
 items = list(counts.items())
 items.sort(key = lambda x:x[1], reverse = True)
 for i in range(10):
     word, count = items[i]
     print("{0:<10}{1:>5}".format(word, count))