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!!!