六、Python 组合数据类型

• 本文是网课：Python语言程序设计国家精品——（北京理工大学 嵩天 、 黄天羽 、 礼欣）的学习笔记。

目录

6.1 集合类型及操作

6.2 序列类型及操作

6.3 实例9：基本统计值计算

6.4 字典类型及操作

6.5 模块5：jieba库的使用

6.6 实例10：文本词频统计

---

6.1 集合类型及操作

• 集合类型定义

 关于Python的元组：

1. Python的元组与列表类似，不同之处在于元组的元素不能修改。
2. 元组使用小括号，列表使用方括号。
3. 元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。

• 集合操作符 

• 集合处理方法

• 集合类型应用场景

1. 包含关系比较（数据是否在集合中 用 in ）
2. 数据去重

6.2 序列类型及操作

• 序列类型定义

• 序列处理函数及方法

• 元组类型及操作

• 列表类型及操作

注意列表赋值只是重新命名 

注意上面表中第二行，ls[i:j:k] = lt ;  其中等号两边元素个要相同否则会报错。除非切片出来的序列下标是连续的一片。

• 序列类型应用场景

 

6.3 实例9：基本统计值计算

代码：

#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)))

6.4 字典类型及操作

• 字典类型的定义

• type(变量) #检测变量类型

• 字典处理函数即方法

d.values()和d.keys()返回的不是列表类型，只是字典的values和keys类型，可以进行for in遍历

• 字典类型应用场景

 

6.5 模块5：jieba库的使用

• jieba库基本介绍

我的电脑安装pip时发现没有pip程序？解决方法如下：

首先运行安装python时的程序，幸好我的还没删，python-3.7.2-amd64.exe

点击Modify

将pip前面的复选框勾上即可。

 

• jieba库使用说明

6.6 实例10：文本词频统计

• 一篇文章，出现了那些词，那些词出现的最多？

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

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

• “Hamlet英文词频统计”实例讲解

#CalHamletV1.py
def getText():
    txt = open("D:\PyCharm 2018.3.5\PycharmProjects\Hamlet.txt", "r").read()
    txt = txt.lower()   #字母全变为小写
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':   #将所有符号都换为空格符
        txt = txt.replace(ch, " ")
    return txt

#得到所有单词间都是都好分隔的字符串
HamletTxt = getText()

#将字符串中信息用空格分隔并返回列表类型
words = HamletTxt.split()

#字典counts保存单词出现次数
counts = {}
for word in words:
    counts[word] = counts.get(word, 0)+1

#字典类型转变为列表类型
items = list(counts.items())

#sort函数的参数key指定多元数据中作为排序数据的元素，reverse=True设置为降序排列
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))

• “《三国演义》人物出场统计”实例讲解(上)

#CalThreeKingdomsV1.py
import jieba
txt = open("D:\PyCharm 2018.3.5\PycharmProjects\ThreeKingdoms.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))

注意：

• 如果open读取txt文件时，出现UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid continuation byte报错。
• 可以打开原txt然后另存为新的txt，只需要在另存为时保存为utf-8编码即可。

• “《三国演义》人物出场统计”实例讲解(下)

import jieba
txt = open("D:\PyCharm 2018.3.5\PycharmProjects\ThreeKingdoms.txt", "r", encoding="utf-8").read()
words = jieba.lcut(txt)
excludes = {"将军", "却说", "荆州", "二人", "不可", "不能", "如此", "商议", "如何"}
counts = {}
for word in words:
    rword = word
    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:
        rowrd = 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))