组合数据类型
集合类型及操作
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,不能是可变数学类型
- 集合用大括号{}表示,元素间用逗号分割
- 建立集合类型用{} 或set()
- 建立空集合类型,必须使用set()
- 集合用大括号{}表示,元素间用逗号分隔
- 集合中每个元素唯一,不存在相同元素
- 集合元素之间无序
集合间操作
集合操作符
集合的处理方法
集合类型应用场景
数据去重:集合类型所有元素无重复
序列类型及操作
序列类型的定义
- 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,S2,……,Sn-1
- 元素间由序号引导,通过下标访问序列的特定元素
- 序列是一个基类类型
序列类型通用操作符
元组类型定义
- 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()或者tuple()创建,元素间用逗号**,**分隔开
- 可以使用或不使用小括号
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
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
列表类型操作函数和方法
例如:
例如:
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
- 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
1.元素遍历
序列类型及操作
- 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list()**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
基本统计值
需求:给出一组数,对他们有个概要理解,求总个数、求和、平均值、方差、中位数…
代码:
#CalStatistics.py
def getNum():
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):
s = 0.0
for num in numbers:
s = s + num
return s / len(numbers)
def dev(numbers,mean):
sdev = 0.0
for num in numbers:
sdev = sdev + (num - mean)**2
return pow(sdev / (len(numbers)-1),0.5)
def median(numbers):
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)))
字典类型及操作
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
- 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
字典类型的用法
在字典变量中,通过键获取值
例如:
字典类型操作函数和方法
例如:
字典功能
字典类型的应用场景
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
jieba库的使用
jieba库概述
jieba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,需要额外安装
- jieba库提供三种分词模式,最简单只需掌握一个函数
jiaba库的安装
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,用户还可以自己添加词组
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(最常用)
- 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,对长词再切分
jieba库常用函数
实例10:文本词频统计
问题分析:
- 需求:一篇文章,出现了哪些词?哪些词出现的最多?
- 该怎么做呢?
#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))
《三国演义》:
#CalThree.py
import jieba
txt = open("Three.txt","r",encoding="utf-8").read()
txt = 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))