Life is short,Use Python!-----Python六杀！-----Python组合数据类型

集合、序列、字典、呵呵哒！ ?（附上我礼貌又不失尴尬的微笑）

---

- 集合

• 集合类型定义：多个元素的无序组合，元素不可重复
• 建立方式：用 set() 或 {} ，元素用逗号分隔 (空集合只能用set)
• 应用场景：比较包含关系、数据去重 等

基本操作符
S | T	返回一个 新的集合，包括 S和T中的所有 元素
S - T	返回一个 新的集合，包括 S但不在T中的 元素
S & T	返回一个 新的集合，包括 S和T公共部分 元素
S ^ T	返回一个 新的集合，包括 S和T中非相同 元素
S <= T 或 S < T	返回 Ture/False，判断S和T的 子集 关系
S >= T 或 S > T	返回 Ture/False，判断S和T的 包含 关系
增强操作符
S |= T	更新集合S，包括 S和T中的所有 元素
S -= T	更新集合S，包括 S但不在T中的 元素
S &= T	更新集合S，包括 S和T公共部分 元素
S ^= T	更新集合S，包括 S和T中非相同 元素

集合 处理方法
S.add(x)	如果x不在S中，将x增加到S
S.discard(x)	移除S中元素x，如果x不在S中， 不报错
S.remove(x)	移除S中元素x，如果x不在S中， 产生KeyError异常
S.clear()	移除S所有元素
S.pop()	随机返回S一个元素，更新S；若S为空， 产生KeyError异常
S.copy()	返回S的一个副本
集合通用 处理函数
len(S)	返回S元素个数
x in S	判断S是否有元素x，是则返回Ture，否则返回False
x not in S	判断S有无元素x，无则返回Ture，有则返回False
set(x)	将 其他类型 转变为 集合类型

---

- 序列（元组&列表）

• 序列类型定义：一维有序向量，元素类型可以不同，用逗号分隔，可通过下标引导访问（正向从0，逆向从-1）
• 应用场景：数据保护（元组）、元素遍历（列表）

序列通用 操作符
判断	x in s	x为s元素，返回Ture，否则返回False
	x not in s	x为s元素，返回False，否则返回Ture
增补	s + t	连接s和t
	s*n 或 n*s	将s复制n次
索引	s[i]	返回s中第i个元素
切片	s[i : j : k]	返回s中  第 i 到 j  以 k 为步长 的子序列（ i 缺省至开头， j 缺省至结尾，k 缺省为1）
序列通用 函数及方法
函数	len(s)	返回s的长度
	min(s)	返回s的最小元素， 需要s中元素可比较
	max(s)	返回s的最大元素， 需要s中元素可比较
方法	s.index(x,i,j)	返回s  第 i 到 j  中第一次出现元素x的下标
	s.count(x)	返回s中出现x的次数

- 元组

元组类型及操作：不可修改，使用 () 或 tuple() 创建，小括号可选择使用

- 列表

列表类型及操作：随意修改，使用 [] 或 list() 创建，长度无限制

列表操作符
替换	ls[i] = x	替换ls第i元素为x
	ls[i : j : k] = lt	替换ls切片部分为lt
删除	del ls[i]	删除ls中第i个元素
	del ls[i: j : k]	删除ls 从i到j 以k为步长 的元素
更新	ls += lt	更新ls，将lt元素增加到ls中
	ls *= lt	更新ls，将元素复制n次
列表处理方法
增补	ls.append(x)	在ls最后添加一个元素x
	ls.insert(i,x)	在ls第 i 位置增加元素x
删除	ls.remove(x)	将ls中出现的第一个元素x删除
	ls.clear()	删除ls所有元素
其他	ls.pop(i)	返回ls中第i个元素，并删除ls中元素x
	ls.copy()	返回一个新列表，赋值ls中所有元素
	ls.reverse()	将ls反转

---

- 字典

• 字典类型定义：映射关系的体现，键值对(key-value)的集合
• 建立方式：使用 {} 或 dict() 创建，键值对用 <键> : <值> 表示，用逗号分隔键值对
• 应用场景：表达对应关系

字典处理函数及方法
del d[k]	删除d中键k对应的数据值
k in d	判断键k是否在d中，在返回Ture，否则返回False
d.keys()	返回d中 所有键 的信息
d.values()	返回d中 所有值 的信息
d.items()	返回d中 所有键值对 的信息
d.get(k,<default>)	若键k存在， 返回相应值，否则返回<default>值
d.pop(k,<default>)	若键k存在， 取出相应值，否则返回<default>值
d.popitem()	随机从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中键值对的个数

---

- jieba库

• 优秀的第三方分词库
• 返回 列表类型 的分词结果

精确模式	jieba.lcuts(s)	无冗余输出
全模式	jieba.lcuts(s,cut_all=True)	存在冗余输出
搜索引擎模式	jieba.lcut_for_search(s)	存在冗余输出
新词模式	jieba.add_word(w)	向词库添加新词w

>>> jieba.lcut("中国是一个伟大的国家")
['中国', '是', '一个', '伟大', '的', '国家']

---

文本词频统计

import jieba
excludes = {"将军","却说","荆州","二人","不可","不能","如此"}
txt = open("threekingdoms.txt", "r", encoding='utf-8').read()
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"
    elif word == "关公" or word == "云长":
        rword = "关羽"
    elif word == "玄德" or word == "玄德曰":
        rword = "刘备"
    elif word == "孟德" or word == "丞相":
        rword = "曹操"
    else:
        rword = word
    counts[rword] = counts.get(rword,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))