Python学记(十一)组合数据类型(下)

5.24

组合数据类型

字典类型及操作

• 字典类型定义
  映射：映射是一种键(索引)和值(数据)
  的对应

["python", 123, ",io"]
	 0      1      2
# 这是序列的默认索引，映射类型则由用户将数据定义为索引
 

• 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()创建，键值对用冒号表示
  {<键1>:<值1>, <键2>:<值2>, ... ,<键n>:<值n>}
• 字典类型的用法

<字典变量> = {<键1>:<值1>,...,<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

字典处理函数及方法

字典应用场景

• 映射的表达
  
• 字典遍历
  for k in d :

jieba库

是一种中文分词第三方库(需要额外安装)
中文本文需要动通过分词获得单个的词语
jieba库提供三种分词模式。
(pip install jieba)

• jieba分词的原理
  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。
• 使用说明
  精确模式、全模式、搜索引擎模式

精确模式：把本文精确的切分开，不存在冗余单词
全模式:把本文中所有可能的词语都扫描出来，存在冗余
搜索引擎模式：在精确模式的基础上，对长词再次切分

文本词频统计

• HAMLET

def getText():
	txt = open("hamlet.txt", "r").read()
	txt = txt.lower()  #大写转换为小写
	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=Trie)
for i in range(10):
	word, count = itmes[i]
	print("{0:<10}{1:>5}".format(word, count))

• 三国演义

import jieba
txt = open("....text","r", encoding="utf-8").read()
words = jeiba.lcut(txt)
counts = {}
for word in words:
	if len(worf) == 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))