Python组合数据类型

组合数据类型

6.1 集合类型及操作

6.1.1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，不能是可变数据类型

集合是多个元素的无序组合

• 集合用大括号表示，元素间用逗号分隔

• 建立集合类型用或set()

• 建立空集合类型，必须使用set()

集合类型的定义

注意事项：

• 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

6.1.2集合操作符

集合间操作

6个操作符

4个增强操作符

6.1.3集合处理方法

6.1.4集合类型应用场景

包含关系比较

数据去重：集合类型所有元素无重复

6.2 序列类型及操作

6.2.1序列类型定义

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, … , 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

序列的定义

6.2.2序列处理函数及方法

序列类型通用操作符

五个函数和方法

6.2.3元组类型及操作

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tuple()创建，元素间用逗号，分隔

• 可以使用或不使用小括号

  def func():
  	return 1,2
  

  

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

6.2.4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

6.2.5序列类型应用场景

数据表示:元组和列表

• 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

元素遍历

数据保护

• 如果不希望数据被程序所改变，转换成元组类型

6.3 实例9：基本统计值计算

6.3.1”基本统计值计算“问题分析

基本统计值

• 需求：给出一组数，对它们有个概要理解

总个数、求和、平均值、方差、中位数…

• 总个数：len()
• 求和：for…in
• 平均值：求和/总个数
• 方差：各数据与平均数差的平方和的平均数
• 中位数：排序，然后…（奇数找中间1个，偶数找中间2个取平均）

6.3.2”基本统计值计算“实例讲解

#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() #主体函数
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

6.4.1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

序列类型由0…N整数作为数据的默认索引 映射类型则由用户为数据定义索引

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

{<键1>:<值1>,<键2>:<值2>,...,<键n>:<值n>}

在字典变量中，通过键获得值

[]用来向字典变量中索引或增加元素

type(x)——返回变量x的类型

6.4.2字典处理函数及方法

6.4.3字典类型应用场景

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，进而操作它们

元素遍历

for k in d ：
	<语句块>

6.5 模块5：jieba库的使用

6.5.1jieba库基本介绍

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

jieba库的安装

（cmd命令行）pip install jieba

jieba分词依靠中文词库

• 利用一个中文词库，确定中文字符之间的关联概率

• 中文字符间概率大的组成词组，形成分词结果

• 除了分词，用户还可以添加自定义的词组

6.5.2jieba库使用说明

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

• 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，对长词再次切分

jieba库常用函数

jieba分词要点——jieba.lcut(s)

6.6 实例10：文本词频统计

6.6.1"文本词频统计"问题分析

文本词频统计

• 需求：一篇文章，出现哪些词？哪些词出现得最多？
• 怎么做呢？英文文本—>中文文本
• 英文文本：Hamlet 分析词频

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

• 中文文本：《三国演义》分析任务

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

6.6.2“Hamlet英文词频统计“实例讲解

#CalHamletV1.py
def getText():
    txt = open("hamlet.txt","r").read()
    txt = txt.lower()
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':
        txt = txt.replace(ch," ")   #将文本中特殊字符替换为空格
    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))

• 运行结构由大到小排序
• 观察单词出现次数

6.6.3”《三国演义》人物出场统计“实例讲解

#CalThreeKingdomsV1.py
import jieba
txt = open("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))

将词频与人物相关联，面向问题

词频统计---->人物统计

#CalThreeKingdomsV2.py
import jieba
excludes = {"将军","却说","荆州","二人","不可","不能","如此"}
txt = open("threekingdoms.txt", "r", encoding='utf-8').read()
words  = jieba.lcut(txt)
counts = {}
for word in words:
    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:
        rword = 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))

• 根据结果进一步优化

隆重发布《三国演义》人物出场顺序前20:
曹操、孔明、刘备、关羽、张飞、吕布、赵云、孙权、司马懿、周瑜、袁绍、马超、魏延、黄忠、姜维、马岱、庞德、孟获、刘表、夏侯惇

个人学习记录会持续更新，不喜勿碰，如有指导建议，欢迎评论区留言，谢谢！！！