2021-08-01 Python嵩天MOOC学习笔记 第六周

Python嵩天MOOC学习笔记

第六周：组合数据类型

一、集合类型及操作

集合类型的定义
多个元素的无序组合，集合中不可有相同元素，元素是不可变数据类型。
格式：

• 集合用大括号{}表示，元素之间用逗号分隔
• 建立集合类型用{}或set()(空集合必用)

A = {"python",123,("python",123)} 
#使用{}建立集合，大括号内的小括号为元组
B = set("pypy123")
#等同于B = {'1','p','2','3','y'},顺序随意，集合元素无顺序
C = {"python",123,123}
#等同于C = {"python",123}

集合间的运算

操作符	描述
S|T	集合的并
S-T	S中减掉T的元素
S&T	集合的交
S^T	包括S和T中的非相同元素
< <= > >=	返回True和False，反映子集关系
可以用增强操作符

集合处理方法’.'

S.clear	移除S中所有元素
S.pop	随机返回S的一个元素，并且在S中删掉这个元素，若S为空取不出元素则产生KeyError异常

**因为集合是没有顺序的，所以用for in遍历的时候顺序不一定是定义的顺序

A = {"P","Y",123}
try:
	while True: #无限循环设计
		print(A.pop(),end = "")
except:
	pass
#result: P123Y
>>A
set()

集合类型应用场景
包含关系比较
数据去重↓

>>>ls = ["p","p","y","y",123] #这是一个列表
>>>s = set(ls)
>>>lt = list(s) #再转为列表类型
>['p','y',123]

二、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，元素可以相同，可以通过下标索引。包括：字符串类型，元组类型，列表类型。
索引关系有正向递增和反向递减。
序列处理函数以及方法

操作符和函数	描述
x in s
x not in s
s +t	连接s和t
sn或者ns	将序列s复制n次
s[i]	索引
s[i:j(:k)]	切片
len() min() max()	用min和max需要元素可以比较，比如字符串中元素按Unicode顺序比较
s.index(x) 或 s.index(x,i,j)	返回序列s从i开始到j位置中第一次出现元素x的位置
s.count(x)	返回序列s中出现x的总次数

元组类型

• 定义：一旦创建就不能被修改
• 创建方式：()或者tuple()，元素间用逗号分隔，也可以不用（）

def func():
	return 1,2
#此处返回1,2看成是返回一个值，返回一个元组类型的值
>>>creature = "cat","dog","tiger"
>>>creature
>('cat','dog','tiger')
>>>color = ("blue",creature)
>>>color
>("blue",('cat','dog','tiger'))
>>>color[-1][2]

• 元组继承了序列类型的全部通用操作

列表类型的特点

• 元素创建后可以修改
• [] 或者 list()来创建，元素间用逗号分隔
• 各元素类型可以不同，无长度限制
• △如果我们在程序中使用了[]或者list则真正创建了一个列表，如果只是（ls=[],lt=ls）赋值则没有创建，只是相当于用指针连接

列表类型的操作函数和方法

>>>ls = [1,2,3,4,5,6,7]
>>>del ls[::3]
>[2,3,5,6]
>记住步长是怎么计算的，从第一个到最后一个，取第一个，再取第1+3个，以此类推

>>>ls*2
>[1,2,3,4,5,6,7,1,2,3,4,5,6,7]
#会改变ls的值

ls.insert(i,x)：x加进去后序号是i

序列类型的应用场景
元组
用于元素不改变的应用场景

当不希望数据被程序改变时，可以转换成元组类型
>>>ls = ['cat','dog','tiger',1024]
>>>lt = tuple(ls)
>>>lt
('cat','dog','tiger',1024)

列表

三、实例：基本统计值

对一组数分析求和，平均值，中位数等
输入：获取用户不定长度的输入
总个数：for in
平均值：…
中位数：排序，再…

#CalStatisticV1.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

求中位数：如何排序
def median(numbers):
	num_new = sorted(numbers)
	size = len(num_new)
	if size%2 == 0:
		med=...
	else:
		med=...
	return med

四、字典类型（映射类型）及操作

定义：
映射：键（索引）和值（数据）
数据组织表达的新形态
键值对之间无序
采用大括号{}和dict()创建，键值对用冒号:表示

创建：
<字典变量>={<键>:<值>,<>:<>,...,<>:<>}
获得值：
<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

创建空字典：
>>>de = {};type(de)
> <class'dict'>
# type(x) 即返回变量x的类型

字典处理函数及方法：基本同上

d.keys()和d.values()返回的是字典的key和字典的values类型，可以做遍历但是不是列表类型。

de = {"fruit":"apple","animal":"pig","color":"blue"}
items = list(de.items())
>>> items
[('fruit', 'apple'), ('animal', 'pig'), ('color', 'blue')]

五、jieba库

作用：
分词
分词模式：

• 精确模式：把文本精确地切分开，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（词语间所有的分词可能性都切分出来）
• 搜索引擎模式：在精确模式基础上对长词再次切分（适合对短词的搜索）

jieba库常用函数：返回列表类型

函数	描述
jieba.add_word(w)	向分词词典增加新词w，如>>>jieba.add_word(“蟒蛇语言”)

六、文本词频统计

英文文本：Hemlet
噪音处理：去掉大小写区别和标点符号

中文文本
噪音处理：jieba分词可以去掉标点符号，且中文没有大小写问题，所以只需要jieba就可以了。

扩展应用
书籍；政府工作报告、科研论文、新闻报道；词云

七、习题

①sorted语法：
语法
sorted(iterable, cmp=None, key=None, reverse=False)

参数说明：
iterable – 可迭代对象。
cmp – 比较的函数，这个具有两个参数，参数的值都是从可迭代对象中取出，此函数必须遵守的规则为，大于则返回1，小于则返回-1，等于则返回0。
key – 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse – 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。

返回值
返回重新排序的列表，不修改原列表的值。

②sort语法
不同点：
改变原列表的值

以Hamlet词频统计代码语句为例：
items.sort(key=lambda x:x[1],reverse=True)
#按第二个元素排序，从大到小逆序排，结果保存在items中

注意sort和sorted只能用于列表形式，所以在应用之前都要把其他形式改成list

③字典翻转输出

try:
    dstr = input()
    d = eval(dstr) #如何把以字典形式输入的字符串化成字典
    d_new = {}
    for key in d.keys():
        d_new[d[key]] = key
    print (d_new)
except:
    print("输入错误") #如何在输入不正确是输出提示信息

④沉默的羔羊词频统计：增加了“同频词汇Unicode排序”功能

import jieba
def samerate(items): #输出有多少个同频词汇
    for i in range(len(items)):
        if items[i][1]>items[i+1][1]:
            return i+1
        elif i==(len(items)-2):
            return i+2
        
txt = open("沉默的羔羊.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)
maxword = items[0][0]
for j in range(samerate(items)): #遍历同频词汇，找出Unicode码最大的一个词
    if ord(maxword[0]) < ord(items[j][0][0]): #注意ord()参数只能是一个字符！一个！！
        maxword = items[j][0]
print(maxword)

⑤错题
知识点：创建字典时，如果相同键对应不同值，字典采用最后（最新）一个"键值对"。

d = {"a":1,"b":2,"b":3}
print(d["b"])
>>3