【保姆级入门系列】阿ken教你学Python(六) ——组合数据类型

最新推荐文章于 2024-05-09 10:57:29 发布

请叫我阿ken

最新推荐文章于 2024-05-09 10:57:29 发布

阅读量6.5k

点赞数 40

分类专栏： Python 文章标签：字符串 python 数据结构大数据经验分享

本文链接：https://blog.csdn.net/kenken_/article/details/117734254

版权

Python 专栏收录该内容

5 篇文章 3 订阅

订阅专栏

这小宝贝儿，谁看谁不迷糊？

你好你好，我是阿ken🐮！

调整一下状态

开始新的一轮学习！

6.1 组合数据类型概述

组合数据类型可以将多个数据组织起来，根据数据组织方式的不同，Python 的组合数据类型可分成 3类：序列类型、集合类型和映射类型，如下图所示：

下面对上图中的这 3种类型进行介绍：
(1) 序列存储一组有序的元素，每个元素的类型可以不同，通过索引可以锁定序列中的指定元素。
(2) 集合同样存储一组数据，它要求其中的数据必须唯一，但不要求数据间有序。
(3) 映射类型的数据中存储的每个元素都是一个键值对，通过键值对的键可以迅速获得对应的值。

6.1.1 序列类型

序列类型来源于数学概念中的数列。数列是按一定顺序排成一列的一组数，每个数称为这个数列的项，每项不是在其他项之前，就是在其他项之后。存储 n项元素的数列 { $a_{n}$ } 的定义如下：
{ $a_{n}$ } = $a_{0}$ , $a_{1}$ , $a_{2}$ , ···, $a_{n-1}$
需要注意的是，数列的索引从0开始。通过索引 i可以访问数列中的第 i-1项，例如通过 s1可获取数列 { $S_{n}$ }中的第 2项。

序列类型在数列的基础上进行了拓展，Python中的序列支持双向索引：正向索引和反向递减索引,

正向递增索引从左向右依次递增，第 1个元素的索引为0，第 2个元素的索引为 1，以此类推：反向递减索引从右向左依次递减，最后一个元素的索引为 -1，倒数第 2个元素的索引为 -2，以此类推。

Python 中的序列主要有3种：字符串、列表和元组，关于它们的介绍：
(1) 字符串是由单一字符组成的不可修改的序列类型。
(2) 列表是一个可以修改的序列类型,使用相对更加灵活。
(3) 元组是一个不可变的序列类型,构建好以后不可以进行任何修改。

序列中的字符串已在第 3章中讲解，后续会在第6.2节对另外两种序列 ——列表和元组—做进一步讲解。

6.1.2 集合类型

🐮阿ken：数学中的集合是指具有某种特定性质的对象汇总而成的集体，其中构建集合的这些对象称为该集合的元素。例如，成年人集合的每一个元素都是已满18周岁的人。

通常用大写字母如 A、B、S……表示集合，用小写字母如 a、b、c……表示集合的元素。
集合中的元素具有 3个特征，具体如下。
(1) 确定性：给定一个集合，那么任何一个元素是否在集合中就确定了。例如，地球的四大洋构成一个集合，其内部的元素太平洋、大西洋、印度洋、北冰洋是确定的。
(2) 互异性：集合中的元素互不相同。
(3) 无序性：集合中的元素没有顺序，顺序不同但元素相同的集合可视为同一集合。Python 集合与数学中的集合概念一致，也具备以上 3个特性。 Python 要求放入集合中的元素必须是不可变类型，Python 中的整型、浮点型、字符串类型和元组属于不可变类型，列表、字典及集合本身都属于可变的数据类型。对于所有的数据类型而言，它们只要能进行哈希运算，就可以作为集合中的元素出现。关于集合的更多内容将在 6.4节讲解。

多学一招：哈希算法
哈希 (hash,散列)算法是将任意长度的二进制值映射为固定长度的较小二进制值，这个小的二进制值称为哈希值。哈布值是原数据唯一且极其紧凑的数值表示形式，哪怕只更改原数据的一个字母，再次散列后产生的都是不同的值。若要找到散列为同一个值的两个不同的输入，在计算上是不可能的，所以数据的哈希值可以检验数据的完整性。

Python 提供了适用于哈希算法的函数hash()，该函数可以获取大多数数据 (如字符串、数字)的哈希值。例如：

hash("HeiMa")
1296313009587961352
hash("123456")
-8765639574853590066
hash("HeiMa123456")
9132461567425907503

由此看出，哈希值与哈希前的数据组合无关。

6.1.3 映射类型

在数学中，设 A、B是两个非空集合，若按某个确定的对应法则f，使集合 A中的任意一个元素 x，在集合 B中都有唯一确定的元素 y与之对应，则称 f为从集合 A到集合 B的一个映射。映射关系示例如下图所示：

映射类型也称作可变的哈希表 (散列表)，哈希表是一种数据结构，表中存储存在映射关系的键值对，其中值为实际存储的数据，键为查找数据时使用的关键字。哈希表具有很好的査询性能，使用键可以快速地获取值。
Python 中同样采用 " 键-值 " 这种形式存储数据间的映射关系。字典是 Python唯一的内建映射类型，字典的键必须遵守以下两个原则：
(1) 每个键只能对应一个值,不允许同一个键在字典中重复出现。
(2) 字典中的键是不可变类型。
关于字典的更多内容将在 6.5节讲解。

6.2 序列类型

6 2.1 切片

切片是指对序列截取其中一部分的操作。切片的语法格式如下：

[起始索引: 结束索引: 步长]

切片截取的范围属于左闭右开，即从起始索引开始，到结束索引前一位结束 (不句含结束位本身)。把索引比作一把 " 刀 "，在开始索引和结束索引的位置 " 切下 "，" 切下 " 的元素就是这个范围内的元素。步长的取值可以是正数和负数，默认值为1。
根据步长的取值，可以分为如下两种情况：
(1) 步长大于 0
按照从左到右的顺序，每隔 " 步长-1 " (索引间的差值仍为步长值)个元素进行一次截取。这时，" 起始 " 指向的位置应该在 " 结束 " 指向的位置的左边，否则返回值为空。
示例如下：

string = 'python' 
string[0:6] # 没指定步长，默认为1 
'python' 
string[2:5:2] # 指定步长为2 
'to'

在上述示例中，如果没有指定步长默认为1。下面以 string[2:5:2] 为例，通过示意图来分析切片的原理，如下图：

(2) 步长小于0
按照从右到左的顺序，每隔“步长-1”(索引间的差值仍为步长值)个元素进行一次截取。这时，“起始”指向的位置应该在“结束”指向的位置的右边，否则返回值为空。
示例如下:

string = 'python' 
string[3:0:-1] 
'hty' 
string[0:3:-2] 
''

注意，起始位置的索引必须大于结束位置的索引，否则返回空字符串。下面以 string[3:0:-1]为例，通过示意图来分析切片的原理，如下图所示。

6.2.2 列表

Python 列表是一个可变的序列，它没有长度的限制，可以包含任意个元素。列表的长度和元素都是可变的，开发人员可以自由地对列表中的数据进行各种操作，包括添加、删除、修改元素。
Python 列表的表现形式类似于其他语言中的数组，列表中的元素使用 " [ ] " 包含，各元素之间使用英文逗号分隔、例如：

 list_one = [] # 创建空列表
 list_one
 []
 list_two = [1, 10，55，20，6] # 列表元素的类型均是整型
 list_two
 [1, 10, 55, 20, 6]
 list_thr = [10, 'word', True, [6, 1]] # 列表中元素的类型不同
 list_thr
[10, 'word', True, [6, 1]]

通过 list()函数可以将已有的元组或字符串转换为列表，例如:

 words = 'Python'
 list(words) # 将字符串转换为列表
 ['P', 'y', 't', 'o', 'n']
 tuple_demo = (1, 3, 5, 7, 9)
 list(tuple_demo) # 将元组转换为列表
 [1, 3, 5, 7, 9]

使用循环可以对列表中的元素进行遍历操作，基本方式如下：

for 循环变量 in 列表:
语句块

例如，对列表 ['P', y, 't', 'h', 'o', 'n'], 执行遍历操作，具体示例如下:

for char in ['P', 'y', 't', 'h', 'o', 'n']: # 遍历列表的元素
print(char)
···
P
y
t
h
o
n

列表支持索引和切片操作。例如，操作列表 nums = [11, 22, 33] 中的元素，代码如下所示：

nums = [11, 22, 33]
nums[0] = 55 # 将列表中的索引为 0的元素修改为 55
nums
[55, 22, 33] # 使用[0,1]替换列表中索引为 0、1的元素
nums[0:2] = [0, 1]
nums
[0, 1, 33]
1ist1 = [5, 6]
nums += list1 # 将列表 list1中的元素追加到列表 nums中
nums
[0, 1, 33, 5, 6]

当使用一个列表的元素改变另一个列表的数据时，Python 并不要求两个列表长度相同，但是要遵循 " 多增少减 " 的原则，例如：

nums [1: 5] = [11, 7] # nums[1:5]的长度比[11,7]大
nums
[0, 11, 7]
nums[0:2] = [10, 5, 0] # nums[0:2]的长度比[10, 5, 0]小
nums
[10, 5, 0, 7]

以上代码的子序列 nums[1:5]中包含了 4个元素，使用 [11, 7]重新对其赋值时只给了两个元素，此时列表 nums的元素减少了 2个；同样，子序列 nums[0:2] 中包含 2个元素、使用 [10, 5, 0]重新对其赋值时给出了3个元素，此时列表 nums的元素增加了 1个。由此可知，使用一个列表给另一个列表赋值也可以实现列表的增加和删除操作。

Python 中常见的列表操作函数与方法具体如下表所示。

列表的常见操作

常见操作	说明
len(s)	计算序列 s的长度(元素个数)
min(s)	返回序列 s中的最小元素
max(s)	返回序列 s中的最大元素
list.append()	在列表的末尾添加元素
list.extend()	在列表中添加另一列表的元素,与 +=功能相同
list.insert(i)	在列表索引为 i的元素之前插入元素
list.pop(i)	取出并删除列表中索引为 i的元素
list.remove()	删除列表中第一次出现的元素
list.reverse()	将列表的元素反转
list.clear()	删除列表中的所有元素
list.copy()	生成新列表,并拷贝原列表中的所有元素
list.sort()	将列表中的元素排序

多学一招: 列表和数组的区别
接触过其他语言 (比如C语言)的读者可能听说过数組这个类型。在很多編程
语言中都使用数组存储一组数据,而少数的编程语言采用列表这个类型。数组与列表
非常类似,但是并不完全一样,它们两个主要有以下区别。
(1) 数组在创建时需分配大小,它的大小是固定的,只能容纳有限的元素;列表无需预先分配大小,它可以在使用时动态地插入任意数量的元素。
(2) 数组和列表都可以存储任意类型的元素,但是数组要求元素的类型必须一致,也就是说所有元素要么都是数字类型,要么都是字符串或其它类型。列表则没有这个要求,它可以存储不同整数、浮点数、宇符串、甚至列表。

6.2.3 元组

Python 构建元组的方式非常简单，可以直接用圆括号包含多个使用逗号隔开的元素即可。非空元组的括号可以省略。创建元素的示例如下：

() # 创建一个空元组
()
1, # 由逗号结尾表示元组
(1, )
(1, ) # 单个元素的元组
(1, )
1, 2, 3 # 包含多个元素的元组
(1, 2, 3)
(1, 2, 3) # 包含多个元素的元组
(1, 2, 3)

通过 tuple()函数也可以构造元组，该函数的定义如下:

tuple(iterable)

tuple() 函数中的参数 iterable是一个可迭代（ [dié dài] 意为更替。）的数据。使用 tuple()函数创建元组时，若没有传入任何参数，则创建的是一个空元组，例如：

tuple() # 创建空元组
()

使用 tuple()函数创建非空元组，具体示例如下:

tuple([1, 2, 4]) # 创建非空元组
(1, 2, 4)
tuple('python') # 创建非空元组
('p', 'y', 't', 'h', 'o', 'n')

元组类型在表达固定数据、函数多返回值、多变量同步赋值、循环遍历等情况下是十分有用的，例如:

def get_square(x):
···  return x, x*x # 函数返回多个值
···
x, y = 10, 20 # 多个变量同步赋值
x, y = (10, 20)
for x, y in((10, 20), (10, 25), (15, 25)): # 循环遍历元组
...  print(x, y)
···
10 20
10 25
15 25

6.3 实例 8：生成验证码

🐮阿ken：目前，很多网站都引入了验证码技术，以有效地防止用户利用机器人自动注册、登录、灌水、刷票、恶意破解密码等。验证码一般是包含一串随机产生的数字或符号、一些干扰元素 (如数条直线、若干圆点、背景图片等)的图片。用户使用肉限观察验证码、输入其中的数字或符号并提交给网站验证。

常见的 6位验证码示例如下:

kK64ul eOGpUz 3JfS81

以上验证码中每个字符可以是大写字母、小写字母或数字，有且只能是这三种类型的一种，具体生成哪种类型的宇符是随机的。本节将实现随机生成一组六位验证码的功能。
六位验证码功能需随机生成6个字符，将每个字符临时存储到某数据结构中。因此，本实例用到的数据结构需有可变、有顺序的特点，显然选用列表存储是最待合要求的。通过列表实现六位验证码功能的基本实现思路为：
(1) 创建一个空列表
(2) 生成 6个随机字符逐个添加到列表中。
(3) 将列表元素拼接成字符串。

以上思路中的步骤 (2)是验证码功能的核心部分,此部分主要实现生成 6个随机字符的功能。为确保每次生成的字符类型只能为大写字母、小写字母、数字的任一种，可使用 1、2、3分别代表这三种类型：若产生随机数1，表示生成大写字母；若产生随机数2，表示生成小写字母；若产生随机数3,表示生成数字。
除此之外，为确保每次生成的是大写字母、小写字母或数字类型中的字符，这里可根据数值范围或ACSII 码范围控制每个类型中包含的所有字符：数字对应的数值范围为 0~9；大写字母对应 ACSII码范围为 65 ~ 90；小写字母对应的 ACSII码范围为 97~122，之后再从这些字符中随机选择一个字符即可。
经过以上两次处理，便可以生成一个随机类型中的随机字符实现生成验证码功能的代码具体如下：

import random
code list = []
for 1 in range(6): # 控制验证码的位数
state random randint(1, 3) # 随机生成的字符分类
if state ==1
first kind random randint (65, 90) # 大写字母
random uppercase chr(first kind)
code list append(random uppercase)
elif state == 2:
second kinds= random randint(97,122) # 小写字母
random lowercase chr(second kinds
code list append (random lowercase)
elif state = 3:
third kinds =random, randint(0, 9) # 数字
code list append(str(third kinds)
verification code =mjoin(code list) # 将列表元素连接成字符串
print (verification code)

程序运行一次的结果为:

MbGLwX

6.4 集合类型

6.4.1 集合的常见操作

集合使用 "{ }" 包含元素，各个元素之间使用逗号进行分隔。创建集合最简单的方式是使用赋值语句例如：

set_demo = {100, 'word', 10.5} # 创建集合
set_demo
{'word', 10.5, 100}

上述集合定义时元素的顺序与打印时元素的顺序是不同的，说明集合中的元素是无序的。
还可以使用 set()函数进行创建集合，该函数中可以传入任何组合数据类型，例如：

set_one = set('tuple')
set_one
{'u', 't', 'e', 'l', 'p'}
set_two = set((13, 15, 17, 19))
set_two
{17, 19, 13, 15}

注意，空集合只能使用 set()函数进行创建。
集合是可变的数据类型，集合中的元素可以被动态地增加或删除。

集合的常见操作

常见操作	说明
S.add(x)	往集合 S中添加元素x(x不属于S)
S.remove(x)	若x在集合S中,则删除该元素,不在则产生 KeyError异常
S.discard(x)	若x在集合S中,则删除该元素,不在则不会报错
S.pop()	随机返回集合 S中的一个元素,同时删除该元素。若 S为空,则产生 KeyError异常
S.clear()	删除集合 S中的所有元素
S.copy()	返回集合 S的一个副本
S.isdisjoint(T)	若集合 S和 T中没有相同的元素，则返回True

假设有一个集合为 {10,151, 33, 98, 57}，分别使用add()、remove()、pop()和 clear()方法给集合添加和删除元素，示例如下:

 set_demo=(10,151,3398,57) # 创建集合
 set_demo. add (61) # 向集合中添加元素61
 set_demo
 {33, 98, 10, 151, 57, 61}
 set_demo.remove(151) # 从集合中删除元素 151
 set_demo
 {33, 98, 10, 57, 61}
 set_demo.pop() # 从集合中随机删除一个元素
 set_demo
 {98, 10, 57, 61} # 删除集合中的所有元素
 set_demo.clear()
 set_demo
 set()

6.4.2 集合关系测试

数学中，两个集合关系的常见操作包括:交集、并集、差集、补集。设A，B是两个集合，集合关系的操作介绍如下。
(1) 交集是指属于集合 A且属于集合B的元素所组成的集合。
(2) 并集是指集合 A和集合 B的元素合并在一起组成的集合。
(3) 差集是指属于集合 A但不属于集合 B的元素所组成的集合。
(4) 补集是指属于集合 A 和集合 B但不同时属于两者的元素所组成的集合。
Python 中集合之间支持前面所介绍的 4种操作，操作逻辑与数学定义完全相同。
Python 提供了 4种操作符以实现这4项操作，分别是交集(&)、并集(|)、差集(-)、补集(^)。下面以两个圆形表示集合 A和 B，并使用阴影部分显示 4种操作的结果，

除此之外，Python还提供了 4个增强操作符 :|=、-=、&=、^=，它们与前面 4个操作符的区别是，前者是生成了一一个新的集合，而后者是更新了位于操作符左侧的集合。接下来通过一张表罗列集合 S和 T之间关系的常见操作，

集合间的常见操作

常见操作	说明
S/T S.union(T)	返回一个新集合，该集合包含属于S和 T的所有元素
S-T S.difference(T)	返回一个新集合，该集合包含属于集合 S但不属于集合 T的元素
S&T S.intersection(T)	返回一个新集合，该集合包含同时属于集合 S 和 T的元素
S^T S.symmetric_difference(T)	返回一个新集合，该集合包含集合 S和 T中的元素，但不包含同时属于两者的元素
Sl=T S.update(T)	更新集合 S，该集合包含集合 S和 T所有的元素
S-=T S.difference_update(T)	更新集合 S，该集合包含属于集合 S但不属于集合T的元素
S&=T S.intersection_update(T)	更新集合 S，该集合包含同时属于集合 S和 T的元素
S^=T S.symmetric_difference_ update(T)	更新集合S，该集合包含集合S和 T中的元素，但不包含同时属于两者的元素

假设有集合a={1, 11, 21, 31, 17}和集合b={0, 11, 20, 17, 30}，它们执行取交集、并集、差集、补集的示例如下：

a={1, 11,21，31，17}
b={0，11,20，17，30}
a|b # 取a和b的并集
{0, 1, 11, 17, 20, 21, 30, 31}
a-b # 取a和b的差集
{1, 21, 31}
a&b # 取a和b的交集
{17, 11}
a^b # 取a和b的补集
{0, 1, 20, 21, 30, 31}

对于两个集合 A与 B，如果集合A中的所有元素都是集合B的元素，那么集合 B包含集合A，也就是说集合A是集合B的子集，集合B是集合A的超集；如果集合 A中的所有元素都是集合B中的元素，且集合B中至少有一个元素不属于集合 A，那么集合A是集合B的真子集，集合B是集合A的真超集。
Python 中使用的比较运算符可以用来检查某个集合是否为其他集合的子集或者超集，其中，“<”或者“<=”运算符用于判断真子集和子集，“>”和“>=”运算符用于判断的是真超集和超集。需要注意的是，“<”和“>”运算符支持的是严格意义定义的子集和超集，它们不允许两个集合相等;而“<=”和“>=”运算符支持的是非严格意义定义的子集和超集，它们允许两个集合是相等的。例如：

set_one = set('what')
set_two = set('hat')
set_one < set_two # 判断set_one是否为 set_two的严格子集
False
set_one > set_two # 判断set_one是否为set_two的严格超集
True

6.5 字典

6.5.1 字典类型介绍

提到字典这个词，相信大家都不会陌生，学生时期碰到不认识的字时，大家都会使用字典的部首表找到对应的汉字说明。在编程中，通过“键”查找“值”的过程称为映射。字典是典型的映射类型，其中存放的是多个键值对。键值对的概念在实际生活中也比较常见，例如，在学生管理系统中搜索学生的姓名查找该学生的详细信息。
Python 中使用“()”包含键值对以创建字典,字典中各个元素之间通过逗号分隔。
语法格式如下：

{键1:值1, 键2:值2, ······键N:值N}

字典中的键与值之间以冒号分隔，长度没有限制。从语法设计角度来看，集合和字典均使用花括号包含元素，实际上集合与字典也有着相似的性质，它们之中的元素都没有顺序且不能重复。

下面创建一个存储多组账号密码信息的字典，代码如下:

users = {'A': '123','B': 135', 'C':'680'}
users
{'A': '123', 'B': '135','C': 1680'}

使用 " 字典变量[键] " 的形式可以查找字典中与 " 键 " 对应的值。例如，访问上述字典 users中键 " C " 所对应的值：

users['C'] # 访问键对应的值
'680'

字典中的元素是可以动态修改的，一般使用如下方法进行修改：

值 = 字典变量[键]

例如，对上述字典 users中键“A”对应的值进行修改，如下所示：

users['A'] = '1*5@'  # 修改键对应的值
users
{'A':'1*5@', 'B':'135', 'C':'680'}

6.5.2 字典的常见操作

通过操作键的方式除了可以修改和访问字典中的元素，还可以增加字典的元素，例如：

contacts = {'Tom'; '123456', 'Jerry':'456789'}
contacts
{'Tom':'123456', 'Jerry':'456789'}
contacts['Jane'] = '789012'
contacts
{'Tom': '123456', 'Jerry':'456789', 'Jane': '789012'}

Python 为字典提供了一些很实用的内建:方法，使用这些方法可以帮助读者在工作中应对涉及字典的问题，简化开发的步骤。此外，Pvthon中还提供了一些字典的常见操作，

字典的常见操作

常见操作	说明
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中所有的键值对信息
d.get(key[,default])	若键存在于字典 d中返回其对应的值。否则返回默认值
d.clear()	清空字典
d.pop(key[,default])	若键存在于字典 d中返回其对应的值.同时删除键值对，否则返回默认值
d.popitem()	随机删除字典 d中的一个键值对
del d[key]	删除字典 d中的某键值对
len(d)	返回字典 d中元素的个数
min(d)	返回字典 d中最小键所对应的值
max(d)	返回字典 d中最大键所对应的值

通过 keys(). vabues()和item()方法可以返回字典中键、值和键值对的信息，这里可以使用 for循环遍历这些信息，例如：

 dic = {'name': 'Jack', 'age':23, 'beight’:185}
 dic.keys()
 dict_keys(['name', 'age', 'height'])
 dic.values()
 dict_values(['Jack', 23, 185])
 for key, value in dic.items():
 ...print(key, value)
 ...
 name Jack
 age 23
 height 185

Python 支持使用保留字 in来判断某个键是否存在于字典中，如果键存在，则返回 True，否则返回 False。例如：

'name' in dic
 True
'gender' in dic
 False

6.6 中文分词模块 ——jieba

🐮阿ken叽里呱啦：随着汉语的广泛应用，中文信息处理成为一个重要的研究课题，常见于搜索引擎、信息检索、中外文自动翻译、数据挖掘技术、自然语言处理等领域。在处理中文信息的过程中，中文分词是最基础的一环。
中文分词是指将一个汉字序列切分成一个一个单独的词，也就是说将用户输入的中文语句或语段拆成若干汉语词汇。例如，用户输人的语句 “我是一个学生”经分词系统处理之后，该语句被分成“我”“是”“一个”“学生”4个汉语词汇。
在英文文本中，每个单词之间以空格作为自然分界符，而中文只有句子和段落能通过明显的分界符来简单划分，词并没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，但是在词这一层上，中文要比英文复杂得多、困难得多。

jieba 是国内使用人数最多的中文分词工具，可以采用如下方式进行安装：

 pip install jieba

安装完之后，通过 import语句将其引入：

import jieba

jieba 模块支持以下3种分词模式：
(1) 精确模式,试图将句子最精准地切开。
(2) 全模式,将句子中所有可以成词的词语都扫描出来,速度非常快。
(3) 搜索引擎模式,在精确模式的基础上对长词再次切分。

jieba 模块中提供了一系列分词函数,常用的是 jieba.cut() 函数,该函数需要接收如下 3个参数。
(1) sentence,需要分词的字符串。
(2) cut all,控制是否釆用全模式。若设为True,代表按照全模式进行分词;若设为 False,代表按照精确模式进行分词。
(3) HMM,控制是否使用 HMM( Hidden Markov Model,隐马尔可夫模型)
若要采用搜索引擎模式对中文进行分词,需要使用 cut for search()函数，该函数中需要接收两个参数: sentence 和 HMM。

下面分别采用以上 3种模式对中文进行分词操作，代码如下：


seglist = jieba cut("我来到北京清华大学", cut_all=True)
print("[全模式]:"+"/"·join(seg_list)) # 全模式
seg_1ist = jieba.cut("我来到北京清华大学", cuta11=Fal.se)
print("[精确模式]:"+"/".join(seg_1st) # 精确模式
seg_1ist= jieba cut for search("小明硕士毕业于中国科学院计算所, 后在日本京都大学深造") # 搜索引擎模式
print("[搜索引擎模式]:"+"," .join(seg_list))

程序输出的结果如下:

【全模式】:我/来到/北京/清华/清华大学/华大/大学
【精确模式】:我/来到/北京/清华大学
【搜索引擎模式】:小明,硕士,毕业,于,中国,科学,学院,科学院,中国科学院,计算,计算所,后,在,日本,京都,大学,日本京都大学,深造

6.7 阿ken 总结

🐮阿ken：本章主要讲解了组合数据类型：序列类型、集合类型和映射类型，首先讲解了序列类型的内容，包括切片操作、列表和元组的创建及一些基本操作；其次讲解了集合类型，包括集合的基本操作和集合关系测试;然后讲解了映射类型 ——字典，包括字典类型的介绍和字典的常见操作；最后讲解了中文分词模块 ——jieba。通过本章的学习，希望读者能够掌握各种数据类型的特点，并在实际编程中熟练使用各种类型存储数据。

以前我总是会特别注意身边人的感受

所以总是活的非常累

也为此耽误了很多东西

后来随着接触的事物和人多了

发现太感性并不能在当下的社会状态里好好的生活

我是阿ken，感谢拜访

请叫我阿ken

关注

40
点赞
踩
23

收藏

觉得还不错? 一键收藏
打赏
99
评论
【保姆级入门系列】阿ken教你学Python(六) ——组合数据类型

61组合数据类型概述组合数据类型可以将多个数据组织起来,根据数据组织方式的不同,Python的组合数据类型可分成3类:序列类型、集合类型和映射类型,如图6-1所示。字符串(str)序列类型元组(tuple)列表(it组合数据类型集合类型—集合(set映射类型——一字典(dict)组下面对图6-1中的这3种类型进行介绍。(1)序列存储一组有序的元素,每个元素的类型可以不同,通过索引可以锁定序列中的指定元素。(2)集合同样存储一组数据,它要求其中的数据必须唯一,但不要求数据间有序。..
复制链接

扫一扫