序列类型之元组

目录

 

2.3 序列类型之元组

2.4 字典类型

2.5 jieba库基本介绍

2.6 实例：文本词频统计

---

2.3 序列类型之元组

元组其实跟列表差不多，也是存一组数据，只不过它一旦创建便不能修改，所以又叫只读列表

它只有两个方法，一个是count（统计元组某个元素出现的次数tuple.count('str')），一个是index（查看某个元素的索引号tuple.index('str')）

>>> names = ('zhiwenwei','zhouyouxian')
>>> names.index('zhiwenwei')
0
>>> names.count('zhiwenwei')
1

元组练习题

有如下变量，请实现要求的功能

tu = ("alex", [11, 22, {"k1": 'v1', "k2": ["age", "name"], "k3": (11,22,33)}, 44])

a. 请问tu变量中的第一个元素 “alex” 是否可被修改？

　　元组不可直接被修改，需要转换成列表或字典

b. 请问tu变量中的"k2"对应的值是什么类型？是否可以被修改？如果可以，请在其中添加一个元素 “Seven”

　　k2是字典的键，对应的值是列表可修改：tu[1][2]['k2']='Seven'

c. 请问tu变量中的"k3"对应的值是什么类型？是否可以被修改？如果可以，请在其中添加一个元素 “Seven”

　　k3是字典的键，对应的值是元组不可修改

2.4 字典类型

字典是包含0个或多个键值对的集合，没有长度限制，可以根据键索引值的内容。

Python语言中通过字典实现映射，通过大括号{}建立，建立模型如下：

{键1：值1，键2：值2，...}

>>> city = {'中国':'北京','美国':'纽约','法国':'巴黎'}
>>> city
{'中国': '北京', '美国': '纽约', '法国': '巴黎'}

拓展：字典是无序的。python语言中，字符串、列表、元组都是采用数字索引，字典采用字符索引。

字典的函数和方法

字典的基本原则

字典是一个键值对的集合，该集合以键为索引，一个键对应一个值信息

字典中的元素以键信息为索引访问

字典长度是可变的，可以通过对键信息赋值实现增加或修改键值对。

2.5 jieba库基本介绍

jieba库提供三种分词模式，最简单只需要掌握一个函数；

jieba是优秀的中文分词第三方库，需额外安装

jieba库的安装方法

pip install jieba

jieba分词的三种模式

精确模式：把文本精确切分，不存冗余单词

>>> word1 = jieba.lcut("python无所不能！除了生不出孩子,我们应该学习使用它！")
Building prefix dict from the default dictionary ...
Dumping model to file cache /tmp/jieba.cache
Loading model cost 1.832 seconds.
Prefix dict has been built succesfully.
>>> print(word1,type(word1))
['python', '无所不能', '！', '除了', '生不出', '孩子', ',', '我们', '应该', '学习', '使用', '它', '！'] <class 'list'>

2.6 实例：文本词频统计

英文文本：hamlet，统计出现最多的英文单词

https://python123.io/resources/pye/hamlet.txt

代码实现：

#Hamlet词频统计
def getText():
    txt = open("hamlet",'r').read()
    txt = txt.lower() #大写字母转换小写
    for word in '~!@#$%^&*()_+-={}[],./:";<>?':
        txt = txt.replace(word," ")#把多余符号转换为空格
    return txt
hamletTxt = getText()
words = hamletTxt.split() #以空格拆分为列表
counts = {}
for word in words:
    counts[word] = counts.get(word,0) + 1 #以每个词为键，值默认0，,每出现一次累加1
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True) #[1]按照第二维排序，reverse=True表示降序
for i in range(10):
    word,count = items[i]
    print("{0:<10}{1:5}".format(word,count))

中文文本：三国，分析人物

https://python123.io/resources/pye/threekingdoms.txt

import jieba
txt = open("Threekingdoms", 'r', encoding="utf-8").read()
excludes = {'将军','却说','荆州','二人','不可','不能','如此'}
words = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    #书中同一人物多个名字统一改为一个名字
    elif word == '诸葛亮' or word == '空明日':
        rword = "孔明"
    elif word == '关公' or word == '云长':
        rword = "关羽"
    elif word == '玄德' or word == '玄德日':
        rword = "刘备"
    elif word == '孟德' or word == '丞相':
        rword = "曹操"
    else:
        rword = word
    counts[word] = counts.get(word, 0) + 1
for word in excludes:
    del counts[word]  #去重
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))