前言
本文是对《北理工 嵩天/黄天宇/礼欣 Python语言程序设计》的学习笔记,供自己查阅使用。
文章目录
- 北理工嵩天Python语言程序设计笔记(目录)
- 北理工嵩天Python语言程序设计笔记(2 Python基本语法元素)
- 北理工嵩天Python语言程序设计笔记(3 Python基本图形绘制)
- 北理工嵩天Python语言程序设计笔记(4 基本数据类型)
- 北理工嵩天Python语言程序设计笔记(5 程序的控制结构)
- 北理工嵩天Python语言程序设计笔记(6 函数和代码复用)
- 北理工嵩天Python语言程序设计笔记(7 组合数据类型)
- 北理工嵩天Python语言程序设计笔记(8 文件和数据格式化)
- 北理工嵩天Python语言程序设计笔记(9 程序设计方法学)
- 北理工嵩天Python语言程序设计笔记(10 Python计算生态概览)
笔记目录
7 组合数据类型
7.1 集合类型及操作
7.1.1集合类型的定义
-
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(),{}无法生成空集合,因为它生成了空字典
>>>A = {"python", 123, ("python",123)} #使用{}建立集合
{123, 'python', ('python', 123)}
>>>B = set("pypy123") #使用set()建立集合
{'1', 'p', '2', '3', 'y'}
>>>C = {"python", 123, "python",123}
{'python', 123}
7.1.2 集合操作符
7.1.3 集合处理方法
try:
while True:
print(A.pop(), end="")
except:
pass
7.1.4 集合类型应用场景
- 数据去重:集合类型所有元素无重复
>>>ls = ["p", "p", "y", "y", 123]
>>>s = set(ls) # 利用了集合无重复元素的特点
{'p', 'y', 123}
>>>lt= list(s) # 还可以将集合转换为列表
['p', 'y', 123]
7.2序列类型及操作
7.2.1 序列类型定义
-
序列是一维元素向量,元素类型可以不同
-
元素间由序号引导,通过下标访问序列的特定元素
-
字符串类型、元组类型、列表类型
7.2.2 序列处理函数及方法
- 序列类型通用操作符
7.2.3 元组类型及操作
-
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
>>>creature = "cat", "dog","tiger","human"
>>>creature
('cat', 'dog', 'tiger', 'human')
>>>color = (0x001100, "blue", creature)
>>>color
(4352, 'blue', ('cat', 'dog', 'tiger', 'human'))
- 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
7.2.4 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,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
-
sorted(ls):按递增顺序排序,列表被改变
-
-
List sort()方法
list.sort(cmp=None, key=None, reverse=False)
cmp – 可选参数, 如果指定了该参数会使用该参数的方法进行排序。
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)。
7.2.5序列类型应用场景
数据保护:如果不希望数据被程序所改变,转换成元组类型
7.3 实例9: 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
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
7.4字典类型及操作
7.4.1 字典类型定义
- 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>}
>>>d = {"中国":"北京","美国":"华盛顿","法国":"巴黎"}
>>>d
{'中国': '北京', '美国': '华盛顿', '法国': '巴黎'}
>>>d["中国"]
'北京'
>>> de = {} ; type(de) # 空字典
<class 'dict'>
7.4.2 字典处理函数及方法
>>>d = {"中国":"北京","美国":"华盛顿","法国":"巴黎"}
>>>"中国"in d
True
>>>d.keys()
dict_keys(['中国', '美国', '法国'])
>>>d.values()
dict_values(['北京', '华盛顿', '巴黎'])
>>>d = {"中国":"北京","美国":"华盛顿","法国":"巴黎"}
>>>d.get("中国","伊斯兰堡")
'北京'
>>>d.get("巴基斯坦","伊斯兰堡")
'伊斯兰堡'
>>>d.popitem()
('美国', '华盛顿')
7.4.3 字典类型应用场景
元素遍历
for k in d:
<语句块>
7.5 模块5: jieba库的使用
7.5.1 jieba库基本介绍
- 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
7.5.2 jieba分词的原理
- 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
7.5.3 jieba库使用说明
- 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
7.6 实例10: 文本词频统计
-
文本去噪及归一化
-
使用字典表达词频
-
文本词频统计
- 英文文本:Hamet
分析词频
https://python123.io/resources/pye/hamlet.txt - 中文文本:《三国演义》分析人物
https://python123.io/resources/pye/threekingdoms.txt
- 英文文本:Hamet
7.6.1 Hamlet英文词频统计
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) # 按照x的第1(从0开始)个元素排序
for i in range(10):
word, count = items[i]
print("{0:<10}{1:>5}".format(word, count))
7.6.2 《三国演义》人物出场统计"实例
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
import jieba
txt = open("threekingdoms.txt", "r", encoding="utf-8").read()
excludes = {"将军", "却说", "荆州", "二人", "不可", "不能", "如此"}
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))