北理慕课——Python组合数据类型

1 集合类型及操作

1.1 - 集合类型定义

集合是多个元素的无序组合

- 集合用大括号 {} 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()

>>> A = {"python", 123, ("python",123)}         #使用{}建立集合
{123, 'python', ('python', 123)}
>>> B = set("pypy123")     #使用set()建立集合
{'1', 'p', '2', '3', 'y'}
>>> C = {"python", 123, "python",123}
{'python', 123}

1.2 - 集合操作符

6个操作符 

4个增强操作符

>>> A = {"p", "y" , 123}
>>> B = set("pypy123") 
>>> A-B {123}
>>> B-A
{'3', '1', '2'}
>>> A&B
{'p', 'y'}
>>> A|B
{'1', 'p', '2', 'y', '3', 123}
>>> A^B 
{'2', 123, '3', '1'}

1.3 - 集合处理方法

1.4 - 集合类型应用场景

数据去重：集合类型所有元素无重复

还可以将集合转换为列表

 

2 序列类型及操作

2.1 - 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, … , sn-1

- 元素间由序号引导，通过下标访问序列的特定元素

序列类型：字符串类型、元组类型、列表类型

 

2.2 - 序列处理函数及方法

2.3 - 元组类型及操作

- 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

元组继承了序列的全部通用操作

 

2.4 - 列表类型及操作

- 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

列表类型操作函数和方法

2.5 - 序列类型应用场景

数据表示：元组和列表

- 元组用于元素不改变的应用场景，更多用于固定搭配场景

- 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，进而操作它们

元素遍历，或者数据保护（如果不希望数据被程序所改变，转换为元祖类型）

 

- 序列是基类类型，扩展类型包括：字符串、元组和列表

- 元组用()和tuple()创建，列表用[]和set()创建

- 元组操作与序列操作基本相同

- 列表操作在序列操作基础上，增加了更多的灵活性

 

实例9: 基本统计值计算

给出不定个数的数据，求出平均值，方差，中位数

#CalStatisticsV1.py
def getNum():  #获取用户输入的不定长数字
    nums = []
    iNumber = input("请输入数字（回车退出）")
    while iNumber != "":
        nums.append(eval(iNumber))
        iNumber = input("请输入数字（回车退出）")
    return nums

def mean(numbers):  #计算平均值
    s = 0.0
    for item in numbers:
        s += item
    return s/len(numbers)

def median(numbers): #计算中位数
    sorted(numbers)
    if len(numbers)%2 == 0:
        return (numbers[len(numbers)//2-1]+numbers[len(numbers)//2])/2
    else:
        return numbers[len(numbers)//2]

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)
Numbers = getNum()
Mean = mean(Numbers)
Median = median(Numbers)
Dev = dev(Numbers,Mean)
print("平均值是：{:.2f}，方差是{:.2f}，中位数是{:.2f}".format(Mean,Dev,Median))
print(len(Numbers)//2)

 

3 字典类型及操作

3.1 - 字典类型定义

- 映射是一种键(索引)和值(数据)的对应

- 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()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n>:<值n>}
<值> = <字典变量>[<键>] [ ] 用来向字典变量中索引或增加元素
<字典变量>[<键>] = <值>

[ ]用来向字典变量中索引或增加元素

 

3.2 - 字典处理函数及方法

3.3 - 字典类型应用场景

- 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，进而操作它们

 

4  jieba库的使用

jieba分词的三种模式

- 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

实例10: 文本词频统计

- 英文文本：Hamet 分析词频

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

#CalHamletV1
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("{:<10}{:>5}".format(word,count))

- 中文文本：《三国演义》分析人物

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

#CalThreeKingdomsV1
import jieba
txt = open("ThreeKingdoms.txt","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
    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(15):
    word, count = items[i]
    print("{:<10}{:>5}".format(word,count))