Python语言程序设计第六章

第六章 组合数据类型

方法论
-Python三种主流组合数据类型的使用方法
实践能力
-学会编写处理一组数据的程序

6.1 集合类型及操作

1、集合类型定义
集合是多个元素的无序组合
-集合类型与数学中的集合概念一致
-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
-集合用{}表示，元素间用逗号分隔
-建立集合类型用{}或set()
-建立空集合类型，必须使用set()
例如：
A={“python”, 123, (“python”, 123)} #使用{}建立集合
{123, “python”, (“python”, 123)}
B=set(“pypy123”)
{“1”, “p”, “2”, “3”, “y”} #使用set()建立集合
C={“python”, 123, “python”, 123}
{123, “python”}
2、集合操作符
6个操作符

4个增强操作符

例如：
A = {“p”, “y”, 123}
B = set(“pypy123”)
A-B为{123}
B-A为{“1”, “2”, “3”}
A&B为{“p”, “y”}
A|B为{“1”, “2”, “3”, “p”, “y”, 123}
A^B为{“1”, “2”, “3”, 123}
3、集合处理方法


实例：

A = {"p", "y", 123}
for item in A:
    print(item, end="")
p123y
>>> A
{"p", 123, "y"}

try:
    while True:
        print(A.pop(), end="")
except: 
    pass
p123y
>>> A
set()

4、集合类型应用场景
包含关系比较

>>> "p" in {"p", "y", 123}
True
>>> {"p", "y"} >= {"p", "y", 123}
False

数据去重：集合类型所有元素无重复

>>> ls = ["p", "p", "y", "y", 123}
>>> s = set(ls) #利用了集合无重复元素的特点
{"p", "y", 123}
>>> lt = list(s) #将集合转换为列表
["p", "y", 123]

6.2 序列类型及操作

1、序列类型定义
序列是具有先后关系的一组元素
-序列是一维元素向量，元素类型可以不同
-类似数学元素序列：S₀，S₁，…，S_n-1
-元素间由序号引导，通过下标访问序列的特定元素
序列是一个基类类型
序列类型：字符串类型、元组类型、列表类型
2、序列处理函数及方法
6个操作符

序列类型操作实例

>>> ls = ["python", 123, ".io"]
>>> ls[::-1]
['.io', 123, 'python']
>>> s = "python123.io"
>>> s[::-1]
'oi.321nohtyp'

5个函数和方法

>>> ls = ["python", 123, ".io"]
>>> len(ls)
3
>>> s = "python123.io"
>>> max(s) #按照字母序比较
'y' 

3、元组类型及操作
元组是序列类型的一种扩展
-元组是一种序列类型，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
-可以使用或不使用小括号
def func():
return 1, 2 (计算机中默认返回一个元组)

>>> creature = "cat", "dog", "tiger", "human"
>>> creature
("cat", "dog", "tiger", "human")
>>> color = (0x001100, "blue", creature)
>>> color
(0x001100, "blue", ("cat", "dog", "tiger", "human"))

元组继承序列类型的全部通用操作
-元组继承了序列类型的全部通用操作
-元组因为创建后不能修改，因此没有特殊操作
-使用或不使用小括号

>>> creature = "cat", "dog", "tiger", "human"
>>> creature[::-1] #不改变原有creature元组值，而是生成一个新的元组
("human", "tiger", "dog", "cat")
>>> color = (0x001100, "blue", creature)
>>> color[-1][2]
"tiger"

4、列表类型及操作
列表是序列类型的一种扩展，十分常用
-列表是一种序列类型，创建后可以随意被修改
-使用方括号 [] 或list() 创建，元素间用逗号，分隔
-列表中各元素类型可以不同，无长度限制

>>> ls = ["cat", "dog", "tiger", 1024]
>>> ls
["cat", "dog", "tiger", 1024]
>>> lt = ls
>>> lt
["cat", "dog", "tiger", 1024]

方括号 [] 或list() 真正创建一个列表，赋值仅传递引用

>>> ls = ["cat", "dog", "tiger", 1024]
>>> ls[1:2] = [1, 2, 3, 4]
["cat", 1, 2, 3, 4, "tiger", 1024]
>>> del ls[::3]
[1, 2, 4, "tiger"]
>>> ls*2
[1, 2, 4, "tiger", 1, 2, 4, "tiger"]

>>> ls = ["cat", "dog", "tiger", 1024]
>>> ls.append(1234)
["cat", "dog", "tiger", 1024, 1234]
>>> ls.insert(3, "human")
["cat", "dog", "tiger", "human", 1024, 1234]
>>> ls.reverse()
[1234, 1024, "human", "tiger", "dog", "cat"]

5、序列类型典型应用场景
序列类型应用场景
-元组用于元素不改变的应用场景，更多用于固定搭配场景（如return）
-列表更加灵活。它是最常用的序列类型
-最主要作用：表示一组有序数据，进而操作他们
元素遍历
for item in ls :
 <语句块>
for item in tp :
 <语句块>
数据保护
-如果不希望数据被程序所改变，转换成元组类型

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

6.3 实例9：基本统计值计算

1、问题分析
基本统计值
-需求：给出一组数，对它们有个概要理解
-该怎么做？如：总个数、求和、平均值、方差、中位数…
-总个数：len()
-求和：for…in
-平均值：求和/总个数
-方差：各数据与平均数差的平方的和的平均数
-中位数：排序，然后奇数找中间1个，偶数找中间2个取平均
2、实例讲解

#CalStatisticsV1.py
def getNum():   #获取用户不定长度的输入
    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):   #计算平均值
    s = 0.0
    for num in numbers:
        s = s + num
    return s / len(numbers)
    
def dev(numbers, mean):   #计算方差
    sdev = 0.0
    for num in numbers:
        sdev = sdev + (num - mean)**2
    return pow(sdev / (len(numbers)-1), 0.5)
    
def median(numbers):   #计算中位数
    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)))

3、举一反三
技术能力扩展
-获取多个数据：从控制台获取多个不确定数据的方法
-分隔多个函数：模块化设计方法
-充分利用函数：充分利用Python提供的内容函数

6.4 字典类型及操作

1、字典类型定义
理解“映射”
-映射是一种键（索引）和值（数据）的对应
如：“city” : “北京市”
序列类型由0…N整数作为数据的默认索引
映射类型则由用户为数据定义索引
字典类型是“映射”的体现
-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
-采用大括号{}和dict()函数创建，键值对用冒号：表示
{<键1>:<值1>, <键2>:<值2>, …,<键n>:<值n>}
在字典变量中，通过键获得值
<字典变量> = {<键1>:<值1>, <键2>:<值2>, …,<键n>:<值n>}
<值> = <字典变量>[<键>]
<字典变量>[<键>] = <值>
[ ]用来向字典变量中索引或增加元素

>>> d = {"中国": "北京", "美国": "华盛顿", "法国": "巴黎"}
>>> d
{"中国": "北京", "美国": "华盛顿", "法国": "巴黎"}
>>> d["中国"]
"北京"
>>> de = {}; type(de)
<class 'dict'>

type(x) : 返回变量x的类型
2、字典处理函数及方法

>>> d = {"中国": "北京", "美国": "华盛顿", "法国": "巴黎"}
>>> "中国" in d
True
>>> d.keys()
dict_keys(["中国", "美国", "法国"])
>>> d.values()
dict_values(["北京", "华盛顿", "巴黎"])

>>> d = {"中国": "北京", "美国": "华盛顿", "法国": "巴黎"}
>>> d.get("中国", "伊斯兰堡")
"北京"
>>> d.get("巴基斯坦", "伊斯兰堡")
"伊斯兰堡"
>>> d.popitem()
("美国", "华盛顿")

3、字典类型应用场景
映射的表达
-映射无处不在，键值对无处不在
-例如：统计数据出现的次数，数据是键，次数是值
-最主要作用：表达键值对数据，进而操作他们
元素遍历
for k in d :
 <语句块>

6.5 模块5：jieba库的使用

1、jieba库概述
jieba库是优秀的中文分词第三方库
-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，需额外安装
-jieba库提供三种分词模式，最简单只需要掌握一个函数
2、jieba库的安装
（cmd命令行）pip install jieba
3、jieba分词的原理
jieba分词依靠中文词库
-利用一个中文词库，确定汉字之间的关联概率
-汉字间概率大的组成词组，形成分词结果
-除了分词，用户还可以添加自定义的词组
4、jieba分词的三种模式
精确模式、全模式、搜索引擎模式
-精确模式：把文本精确的切分开，不存在冗余单词
-全模式：把文本中所有可能的词语都扫描出来，有冗余
-搜索引擎模式：在精确模式基础上，对长词再次切分
jieba库常用函数

6.6 实例10：文本词频统计

1、问题分析
文本词频统计
-需求：一篇文章，出现了哪些词？哪些词出现的最多？
-英文文本：Hamet
2、哈姆雷特

#CalHamletV1.py
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=True)
for i in range(10):
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word, count))

3、《三国演义》人物出场统计
《三国演义》词频统计

#CalThreeKingdomsV1.py
import jieba
txt = open("threekongdoms.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))

将词频与任务相关联，面向问题

#CalThreeKingdomsV2.py
import jieba
txt = open("threekongdoms.txt", "r", encoding="utf-8").read()
excludes = {"将军", "却说", "荆州", "二人", "不可", "不能", "如此"} #将确定不是人名但又排序靠前的列入
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(word, 0) + 1
for word in exludes:
    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))

再把后面不是人名的词加入到排除词库中，进一步优化程序，得到最终的《三国演义》任务出场TOP20
4、文本词频统计举一反三
应用问题的扩展
-《红楼梦》、《西游记》、《水浒传》…
-政府工作报告、科研论文、新闻报道…
-进一步还可以制作词云