python课程第六周(函数和代码复用)——嵩天老师

6.1集合类型及操作

6.1.1集合类型的定义

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（因为可变可能与其他元素相同，从而不满足集合的唯一性）

不可变的类型：整数、浮点数、负数、字符串、元组。

• 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()
• 集合之间无序
  

6.1.2集合操作符

集合间的操作：

6种操作符：

操作符及应用	描述
S | T	返回一个新集合，包括在集合S和T中的所有元素
S - T	返回一个新集合，包括在集合S但不在T中的元素
S & T	返回一个新集合，包括同时在S和T中的元素
S ^ T	返回一个新集合，包括在集和S和T中的非相同元素
S <= T 或 S < T	返回True/False，判断S和T的子集关系
S >= T 或 S > T	返回True/False,判断S和T的包含关系

4种增强操作符：

6.1.3集合处理方法

实例：

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
  

6.1.4总结

6.2序列类型及操作

6.2.1序列类型定义

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：

序号定义：

6.2.2序列处理函数及方法

6个操作符：

实例：

5个函数和方法：

实例：

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
  
  元组集成序列类型的全部通用操作
• 元组继承了序列类型和全部通用操作
• 元组因为创建后不能修改，因此没有特殊操作
• 使用或不实用小括号

实例：

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[]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

实例：

列表的赋值语句并没有真正的生成一个新的对象，而是引用（指针）的传递。除非使用[]或者list（）

列表类型操作函数和方法：

实例：


实例：

列表功能实现：

6.2.5序列类型应用场景

• 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

元组类型数据保护：

• 如果不希望数据被程序所改变，转换成元组类型

6.2.6单元小结

6.3实例“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
• 该怎么做呢？
• 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的和的平均数
• 中位数：排序，然后。。。 奇数找最中间1个，偶数找中间2个取平均

实例讲解

def getNum():#不断接受用户的输入
	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

举一反三
技术能力扩展

• 获取多个数据：从控制台获取多个不确定数据的方法
• 分隔多个函数：模块化设计方法
• 充分利用函数：充分利用Python提供的内置函数

6.4字典类型及操作

6.4.1字典类型定义

理解“映射”

• 映射一种键（索引）和值（数据）的对应
  
  
  相当于把集合的默认索引下标变为了用户可自定义的类型。
• 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{}或dict（）创建，键值对用冒号：表示

{<键1>:<值1>,<键2>:<值2>,....,<键3>:<值3>}

举例：

6.4.2字典处理函数及方法

举例：

注意：d.keys()和d.values()返回的类型是可迭代对象也就是可以用for或while遍历，但不能使用列表的一些操作来操作它。

举例：

功能默写：

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>

6.4.4单元小结

6.5jieba库的使用

6.5.1jieba库的概述

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库提供了三中分词模式，最简单只需掌握一个函数

6.5.2jieba库的安装

pip install jieba

6.5.3jieba库的使用

jieba分词依靠中文词库

• 利用一个中文词库，确定汉字之间的关联概率
• 汉字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

6.5.4jieba库使用说明

jieba分词的三中模式
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

6.6文本词频统计

6.6.1问题分析

• 需求：一篇文章，出现了哪些词？哪些词出现的最多？
• 该怎么做？
• 英文文本：Hamet 分析词频
• https://python123.io/resources/pye/hamlet.txt
• 中文文本:三国演义

6.6.2《哈姆雷特》英文词频统计实例

def getText():
    txt = open('第六周自学课程/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)
for i in range(10):
    word,count = items[i]
    print('{0:<10}{1:>5}'.format(word,count))

6.6.2《三国演义》英文词频统计实例

结果：

不符合预期

改造：

import jieba
txt = open('第六周自学课程/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("{:<10}{:>5}".format(word,count))