第六章

组合数据类型

一、集合类型及操作

1.集合类型定义

不能存在相同元素，要求不能存在可变数据类型的元素，且元素无序存在；

可以使用set函数生成集合；

集合表示 {123，”python”，（x,y）} 其中（）表示元组；

2.集合操作符

S | T 返回一个新集合，包括在集合S和T中的所有元素 （并）

S - T 返回一个新集合，包括在集合S但不在T中的元素 （差）

S & T 返回一个新集合，包括同时在集合S和T中的元素 （交）

S ^ T 返回一个新集合，包括集合S和T中的非相同元素 （补）

S <= T或S < T 返回True/Flase, 判断S和T的子集关系

S >= T或S > T 返回True/Flase, 判断S和T的包含关系

增强操作符：

S |= T 更新集合S，包括在集合S和T中的所有元素

S -= T 更新集合S，包括在集合S但不在T中的元素

S &= T 更新集合S，包括同时在集合S和T中的元素

S ^= T 更新集合S，包括集合S和T中的非相同元素

3.集合处理方法

S.add(x) 如果x不在集合S中，将x增加到S

S.discard(x) 移除S中元素x，如果x不在集合S中，不报错

S.remove(x) 移除S中元素x，如果x不在集合S中，产生KeyError异常

S.clear() 移除S中所有元素

S.pop() 随机返回S的一个元素，更新S，若S为空产生KeyError异常

S.copy() 返回集合S的一个副本

Len(S) 返回集合S的元素个数

X in S 判断x在集合S中，返回True

X not in S ……

Set(x) 将其他类型变量转变为集合

注：for in和 while 都可以遍历组合数据类型

4.集合类型应用场景

数据去重：集合类型中元素不重复; eg:

ls = [‘’p’’, ”p”, ”y”, “y”, 123 ] # ls为列表

s = set(ls) #将列表ls转变为集合s，且利用集合无重复元素的特点

{‘p’, ‘y’, 123}

二、序列类型及操作

序列类型定义
序列是具有先后关系的一组元素，是一个基类类型；

序列类型的衍生：字符串类型，元组类型，列表类型；

   2.序列处理函数及方法

通用操作符：

x in s 如果x是序列s的元素，返回True，否则返回False;

x not in s 如果x是序列s的元素，返回False，否则返回True

s + t 连接两个序列s和t

sn或 ns 将序列s复制n次

s[i] 索引，返回s中的第i个元素，i是序列的序号

s[i: j] 或 s[i: j: k] 切片，返回序列s中第i到j以k为步长的元素子序列

函数和方法：

len(s) 返回序列s的长度，即元素个数

min(s) 返回序列s的最小元素，s中元素需要可比较

max(s) 返回序列s的最大元素s中元素需要可比较

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

    3.元组类型及操作

使用小括号 () 或 tuple() 创建，一旦创建就不能被修改，因此没有特殊操作；元组继承了序列类型的全部通用操作；

   4.列表类型及操作

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；

ls[i] = x 替换列表ls第i元素为x；

ls[i: j: k] = lt 用列表lt替换ls切片后所对应元素子列表

del ls[i] 删除列表ls中第i元素

del ls[i: j: k] 删除列表ls中第i到第j以k为步长的元素

ls += lt 更新列表ls，将列表lt元素增加到列表ls中

ls *= n 更新列表ls，其元素重复n次

ls.append(x) 在列表ls最后增加一个元素x

ls.clear() 删除列表ls中所有元素

ls.copy() 生成一个新列表，赋值ls中所有元素

ls.insert(i,x) 在列表ls的第i位置增加元素x

ls.pop(i) 将列表ls中第i位置元素取出并删除该元

ls.remove(x) 将列表ls中出现的第一个元素x删除

ls.reverse() 将列表ls中的元素反转

    5.序列类型应用场景

数据表示：元组 和 列表；

元素遍历：for item in ls : 语句块

数据保护

三、实例9：基本统计值计算

#CalStatisticsV1.py 基本统计值计算

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 - 获取多数据输入

def mean(numbers): #计算平均值

s = 0.0 - 通过函数分隔功能

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: - 获取多数据输入

med = (numbers[size//2-1] + numbers[size//2])/2

else: - 通过函数分隔功能

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)))

四、字典类型及操作

字典类型定义

• 字典类型是“映射”的体现；映射是一种键(索引)和值(数据)的对应；

采用大括号{}和dict()创建；

<字典变量> = {<键1>:<值1>, … , <键n>:<值n>}

<值> = <字典变量>[<键>]

<字典变量>[<键>] = <值>

   2.字典处理函数及方法

del d[k] 删除字典d中键k对应的数据值

k in d 判断键k是否在字典d中，如果在返回True，否则False

d.keys() 返回字典d中所有的键信息

d.values() 返回字典d中所有的值信息

d.items() 返回字典d中所有的键值对信息

d.get(k, ) 键k存在，则返回相应值，不在则返回值

d.pop(k, ) 键k存在，则取出相应值，不在则返回值

d.popitem() 随机从字典d中取出一个键值对，以元组形式返回

d.clear() 删除所有的键值对

len(d) 返回字典d中元素的个数

  3.字典类型应用场景

映射的表达；元素遍历；

五、模块5：jieba库的使用

jieba.lcut(s) 精确模式，返回一个列表类型的分词结果>>>jieba.lcut(“中国是一个伟大的国家”)

[‘中国’, ‘是’, ‘一个’, ‘伟大’, ‘的’, ‘国家’]

jieba.lcut(s, cut_all=True) 全模式，返回一个列表类型的分词结果，存在冗余

jieba.lcut(“中国是一个伟大的国家”,cut_all=True)

[‘中国’, ‘国是’, ‘一个’, ‘伟大’, ‘的’, ‘国家’]

jieba.lcut_for_seach(s) 搜索引擎模式，返回一个列表类型的分词结果，存在冗余>>>jieba.lcut_for_search(“中华人民共和国是伟大的")

[‘中华’, ‘华人’, ‘人民’, ‘共和’, ‘共和国’, ‘中华人民共和国’, ‘是’, ‘伟大’, ‘的’]

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

六、实例10：文本词频统计

#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 = {} - 文本去噪及归一化

for word in words:

counts[word] = counts.get(word,0) + 1 -使用字典表达词频

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))