北理工嵩天Python语言程序设计笔记（7 组合数据类型）

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

前言文章目录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7.1.2 集合操作符7.1.3 集合处理方法7.1.4 集合类型应用场景 7.2序列类型及操作7.2.1 序列类型定义7.2.2 序列处理函数及方法7.2.3 元组类型及操作7.2.4 列表类型及操作7.2.5序列类型应用场景 7.3 实例9: 基本统计值计算7.4字典类型及操作7.4.1 字典类型定义7.4.2 字典处理函数及方法7.4.3 字典类型应用场景 7.5 模块5: jieba库的使用7.5.1 jieba库基本介绍7.5.2 jieba分词的原理7.5.3 jieba库使用说明 7.6 实例10: 文本词频统计7.6.1 Hamlet英文词频统计7.6.2 《三国演义》人物出场统计"实例

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 numsdef mean(numbers): # 计算平均值s = 0.0for num in numbers:s = s + numreturn s / len(numbers)def dev(numbers, mean): # 计算方差sdev = 0.0for num in numbers:sdev = sdev + (num - mean) ** 2return 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]) / 2else: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

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 txthamletTxt = getText()words = hamletTxt.split()counts = {}for word in words:counts[word] = counts.get(word, 0) + 1items = 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 jiebatxt = open("threekingdoms.txt", "r", encoding="utf-8").read()words = jieba.lcut(txt)counts = {}for word in words:if len(word) == 1:continueelse:counts[word] = counts.get(word, 0) + 1items = 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 jiebatxt = 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:continueelif 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 = wordcounts[rword] = counts.get(rword, 0) + 1for 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))