python笔记6.0组合数据类型

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))