Python北理工 第六章 组合数据类型
Outline
- 集合类型及操作;
- 序列类型及操作;
- 实例9:基本统计值计算;
- 字典类型及操作;
- 模块5:jieba库的使用;
- 实例10:文本词频统计;
- 方法论:Python三种主流组合数据类型的使用方法;
- 实践能力:学会编写处理一组数据的程序。
1.集合类型及操作
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;
- 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()。
示例
# 使用{}建立集合
A = {"python", 123, ("python", 123)}
print(A)
# {123, 'python', ('python', 123)}# 使用 set() 建立集合
B = set("pypy123")
print(B)
# {'y', '1', '3', 'p', '2'}C = {"python", 123, "python", 123}
print(C)
# {123, 'python'}
重点:
- 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。
集合操作符
操作符 及 应用 | 图形 | 描述 |
---|---|---|
S | T (并) | 返回一个新集合,包括在集合 S 和 T 中的所有元素 | |
S - T (差) | 返回一个新集合,包括在集合 S 但不在 T 中的元素 | |
S & T (交) | 返回一个新集合,包括同时在集合S 和 T 中的元素 | |
S ^ T (补) | 返回一个新集合,包括集合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个增强操作符
操作符 及应用 | 解释 | 描述 |
---|---|---|
S |= T | S = S | T | 更新集合S,包括在集合S和T中的所有元素 |
S -= T | S = S - T | 更新集合S,包括在集合S但不在T中的元素 |
S &= T | S = S & T | 更新集合S,包括同时在集合S和T中的元素 |
S ^= T | S = S ^ T | 更新集合S,包括在集合S和T中的非相同元素 |
A = {"p", "y", 123} # p,y,123
B = set("pypy123") # p,y,1,2,3
print(A-B) # {123} 在A中但不在B中
print(B-A) # {'3', '1', '2'} 在B中但不在A中
print(A&B) # {'y', 'p'} 交
print(A|B) # {'y', 'p', '1', '2', 123, '3'} 并
print(A^B) # {'2', 123, '3', '1'} 包括A和B中的所有非相同元素
集合处理方法
操作函数 或 方法 | 描述 |
---|---|
S.add(x) | 如果 x 不在集合中,将 x 增加到 S |
S.discard(x) | 移除 S 中元素 x,如果 x 不在集合中,不报错 |
S.remove(x) | 移除 S 中元素 x,如果 x 不在集合 S 中,产生 KeyError异常 |
S.clear() | 移除 S 中 所有 元素 |
S.pop() | 随机返回 S 的一个元素,更新S,若 S 为空产生 KeyError异常 |
S.copy() | 返回集合 S 的一个副本 |
len(S) | 返回集合 S 的元素个数 |
x in S | 判断 S 中元素 x,x 在集合中,则返回True,否则返回False |
x not in S | 判断 S 中元素 x,x 不在集合中,则返回True,否则返回False |
set(x) | 将 其他类型变量 x 转变为集合类型 |
遍历
# 法1:for方式
A = {"p", "y", 123}
for item in A:print(item, end="")
# p123y# 法2:while方式
A = {"p", "y", 123}
try:while True:print(A.pop(), end="")
except:pass
# yp123
集合类型应用场景
包含关系比较
>>> "p" in {"p", "y", 123}
True
>>> {"p", "y"} >= {"p", "y", 123}
False
☆数据去重:集合类型所有元素无重复
ls = ["p", "p", "y", "y", 123]
# 将 列表 转换成 集合类型,利用集合类型无重复元素 的特点进行去重
s = set(ls)
print(s) # {'y', 123, 'p'}
# 去重之后,再把 “集合类型” 转换成 “列表”
lt = list(s)
print(lt) # ['y', 123, 'p']
集合小结
- 创建:使用 {} 和 set() ;
- 集合间操作:交(&)、并(|)、差(-)、补(^)、比较(>=<);
- 集合类型方法:.add()、.discard()、.pop()等;
- 主要应用于:包含关系比较、数据去重。
2.序列类型 及 操作
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(不直接使用,经常使用它衍生出来的几种数据类型)
序号的定义
序列处理函数 及 方法
操作符
操作符 及应用 | 描述 |
---|---|
x in s | 如果 x 是序列 s 的元素,返回 True,否则 返回 False |
x not in s | 如果 x 是序列 s 的元素,返回 False,否则 返回 True |
s + t | 连接两个序列 s 和 t |
s*n 或 n*s | 将序列 s 复制 n 次 |
s[i] | 索引,返回 s 中的第 i 个元素,i 是序列的序号 |
s[i: j] 或 s[i: j: k] |
切片,返回序列 s 中 [i, j) 以 k 为步长的元素子序列 |
# 列表类型取反
ls = ["python", 123, ".io"]
print(ls[::-1])
# ['.io', 123, 'python']# 字符串类型取反
s = "python123.io"
print(s[::-1])
# oi.321nohtyp
5个函数和
函数和方法 | 描述 |
---|---|
len(s) | 返回序列 s 的长度 |
min(s) | 返回序列 s 的最小元素,s 中元素需要可比较 |
max(x) | 返回序列 s 的最大元素,s 中元素需要可比较 |
s.index(x) 或 s.index(x, i, j) |
返回序列 s 从 i 开始 到 j 位置中第一次出现元素 x 的位置 |
s.count(x) | 返回序列 s 中出现 x 的总次数 |
ls = ["python", 123, ".io"]
print( len(ls) ) # 3s = "python123.io"
print( max(s) ) # y
# 输出 从下标1开始到下标6 第一次出现字符 'h' 的下标
print( s.count('h', 1, 6) ) # 1
元组类型 及操作
定义
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
# 这里实际上返回的是一个元组
creature = "cat", "dog", "tiger", "human"
print(creature)
# ('cat', 'dog', 'tiger', 'human')color = (0x001100, "blue", creature)
print(color)
# (4352, 'blue', ('cat', 'dog', 'tiger', 'human'))
元组类型操作
- 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。
creature = "cat", "dog", "tiger", "human"
print(creature[::-1])
# ('human', 'tiger', 'dog', 'cat')color = (0x001100, "blue", creature)
print(color[-1][2])
# tiger
4.列表类型 及操作
定义
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,创建后可以随机被修改;
- 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。
ls = ["cat", "dog", "tiger", 1024]
print(ls)lt = ls # 赋值仅传递引用,并没有新建一个列表
print(lt)
列表类型 操作函数 和 方法
函数 or 方法 | 描述 |
---|---|
ls[i] = x | 替换列表 ls 的第 i 个元素为 x |
ls[i: j: k] = lt | 用列表 lt 替换 ls 切片后所对应元素子列表 |
del ls[i] | 删除列表 ls 中第 i 个元素 |
del ls[i: j: k] | 删除列表 ls 中第 i 到第 j 以 步长为k的元素 |
ls += lt | 更新列表 ls,将列表 lt 元素增加到列表 ls 中 |
ls *= n | 更新列表 ls,其元素重复 n 次 |
ls = ["cat", "dog", "tiger", 1024]
# 1.把列表下标为2 的元素替换为 “pig”
ls[2] = "pig"
print(ls)
# ['cat', 'dog', 'pig', 1024]# 2.把列表a中,从下标为0开始到4,步长为2的位置,替换为lt列表中的元素
a = ["hello", "hangzhou", "dianzi", "keji", "daxue"]
lt = ["1", "2", "3"]
a[0: 5: 2] = lt
print(lt)
# ['1', '2', '3']# 3.删除列表b中,下标为1的元素
b = ["ni", "hao"]
del b[1]
print(b)
# ['ni']# 4.删除列表c中,从下标0开始到5,且步长为2的元素
c = ["hang", "zhou", "dian", "zi", "da", "xue"]
del c[0: 6: 2]
print(c)
# ['zhou', 'zi', 'xue']# 5.更新列表d,将列表e中的元素增加到列表d的后面
d = ["hello"]
e = ["hdu"]
d += e # d = d + e
print(d)
# ['hello', 'hdu']# 6.更新列表f,其元素重复3次
f = ["i", "love", "you"]
n = 3
f *= n # f = f * n
print(f)
# ['i', 'love', 'you', 'i', 'love', 'you', 'i', 'love', 'you']
函数 or 方法 | 描述 |
---|---|
ls.append(x) | 在列表 ls 最后增加一个元素 x |
ls.clear() | 删除列表 ls 中所有元素 |
ls.copy() | 生成一个新列表,赋值 ls 中的所有元素 |
ls.insert(i, x) | 在列表 ls 的第 i 位置 增加元素x |
ls.pop(i) | 将列表 ls 第 i 位置元素取出 并 删除该元素 |
ls.remove(x) | 将列表 ls 中出现的第一个元素 x 删除 |
ls.reverse() | 反转 列表ls中的元素 |
# 1.在列表a最后增加一个元素
a = ["hello", "h", "d"]
a.append('u')
print(a)
# ['hello', 'h', 'd', 'u']# 2.删除列表b中的所有元素
b = ['h', 'd', 'u']
b.clear()
print(b)
# []# 3.生成一个新列表,赋值 a 中的所有元素
c = a.copy()
print(c)
# ['hello', 'h', 'd', 'u']# 4.在列表d的下标为1的位置 增加元素 'hao'
d = ['ni', 'hdu']
d.insert(1, 'hao')
print(d)
# ['ni', 'hao', 'hdu']# 5.将列表e中的下标为2的位置弹出
e = ['i', 'love', 'hdu']
e.pop(2)
print(e)
# ['i', 'love']# 6.将列表f中出现的第一个'h'元素删除
f = ['h', 'h', 'h']
f.remove('h')
print(f)
# ['h', 'h']# 7.反转列表中的元素
g = [1, 2, 3]
g.reverse()
print(g)
# [3, 2, 1]
几个不熟悉的操作
列表功能 | 操作 |
---|---|
向 lt 中新增 5 个元素 | lt += [1, 2, 3, 4, 5] |
判断 lt 中是否包含 数字0 | 0 in lt |
返回数字0 所在 lt 中的索引 | lt.index(0) |
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,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
for item in ls:<语句块>for item in tp:<语句块>
数据保护
如果不希望 数据 被程序所改变,转换成元组类型
ls = ["cat", "dog", "tiger", 1024]
# 将 列表ls 转换成 元组类型的lt
lt = tuple(ls)
print(lt)
# ('cat', 'dog', 'tiger', 1024)
单元小结:
序列是 基类类型,扩展类型包括:字符串、元组、列表;
元组用 ( ) 和 tuple() 创建,列表用 [ ] 和 list() 创建;
元组操作 与 序列操作 基本相同;
列表操作 在序列操作基础上,增加了更多的灵活性。
三、实例9 基本统计值计算问题
问题分析
需求:给出一组数,对他们有个概要理解:总个数、求和、平均值、方差、中位数
基本统计值
- 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... 奇数找中间1个,偶数找中间2个取平均
# 获取输入值
def getNum():nums = []iNumStr = input()while(iNumStr != ""):nums.append(eval(iNumStr))iNumStr = input()return nums# 平均值
def mean(numbers):s = 0.0for num in numbers:s = s + numreturn s / len(numbers)# 方差
def dev(numbers, mean):sdev = 0.0for num in numbers:sdev = sdev + (num-mean)**2return pow(sdev / ( len(numbers)-1 ), 0.5)# 中位数
def median(numbers):# 对列表中的数字进行排序sorted(numbers)# 取数字个数size = len(numbers)# 如果有偶数个数字,则中位数是中间两位的平均值if size % 2 == 0:med = (numbers[size // 2 -1] + numbers[size // 2]) / 2# 如果有奇数个数字,则中位数就是中间的那个数字else:med = numbers[size // 2]return medn = getNum()
m = mean(n)
print("平均值:{}, 方差:{:.2}, 中位数:{}.".format(m, dev(n, m), median(n)))
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 提供的内容函数。
4. 字典类型 及操作
字典类型定义
映射
映射是一种 键(索引) 和 值(数据) 的对应
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
<字典变量> = {<键1>:<值1>, ..., <键n>:<值n>}
<值> = <字典变量>[<键>]
<字典变量>[<键>] = <值>
d = {"中国":"北京", "美国":"华盛顿", "法国":"巴黎"}
print(d)
# {'中国': '北京', '美国': '华盛顿', '法国': '巴黎'}
print( d["中国"] )
# 北京de = {}
print( type(de) ) # type(x)返回变量x的类型
# <class 'dict'>
字典处理函数 及 方法
函数 或 方法 | 描述 |
---|---|
del d[k] | 删除字典 d 中 键k 对应的数据值 |
k in d | 判断 键k 是否在 字典d 中,True/False |
d.keys() | 返回 字典d 中所有的键信息 |
d.values() | 返回 字典d 中所有的值信息 |
d.items() | 返回 字典d 中所有的键值对信息 |
d = {"中国":"北京", "美国":"华盛顿", "法国":"巴黎"}
print( "中国" in d )
# Trueprint( d.keys() )
# dict_keys(['中国', '美国', '法国'])print( d.values() )
# dict_values(['北京', '华盛顿', '巴黎'])
函数 或 方法 | 描述 |
---|---|
d.get(k, <default>) | 键k 存在,则返回相应值,否则返回<default> |
d.pop(k, <default>) | 键k 存在,则取出相应值,否则返回<default> |
d.popitem() | 随机从 字典d 中取出一个键值对,以元组形式返回 |
d.clear() | 删除所有的 键值对 |
len(d) | 返回 字典d 中元素的个数 |
d = {"中国":"北京", "美国":"华盛顿", "法国":"巴黎"}
# 1.如果 键"中国"存在,则返回对应的值"北京"
print( d.get("中国", "伊斯兰堡") )
# 北京# 2.如果 键"巴基斯坦"不存在,则返回后面的默认值"伊斯兰堡"
print( d.get("巴基斯坦", "伊斯兰堡") )
# 伊斯兰堡# 3.随机返回一个键值对
print( d.popitem() )
# ('法国', '巴黎')
几个不熟悉的字典功能:
字典功能 | 对应代码 |
---|---|
向 d 中新增两个键值对元素 |
d["a"] = 1 d["b"] = 2 |
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
元素遍历
for k in d:<语句块>
单元小结
- 映射关系 采用 键值对表达;
- 字典类型使用 {} 和 dict{} 创建,键值对之间用 : 分隔;
- d[key] 方式既可以索引,也可以赋值;
- 字典类型有一批操作方法和函数,最重要的是 .get()
五、模块5:jieba库的使用
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
jieba分词的原理
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。
jieba分词的三种模式
- 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,对长词再次划分。
函数
函数 | 描述 |
---|---|
jieba.lcut(s) |
精确模式,返回一个列表类型的分词结果 import jieba |
jieba.lcut(s, cut_all = True) |
全模式,返回一个列表类型的分词结果,存在冗余 |
jieba.lcut_for_search(s) |
搜索引擎模式,返回一个列表类型的分词结果,存在冗余 import jieba |
jieba.add_word(w) |
向分词词典增加新词w jieba.add_word("蟒蛇语言") |
六、实例10:文本词频统计
重要性:可以练习组合数据类型中的 元组、列表、字典,必须掌握!
问题分析
文本词频统计
需求:一篇文章,出现了哪些词?哪些词出现的最多?该怎么做呢?
英文文本:Hamet 分析词频 文本资源
中文文本:《三国演义》 分析人物 文本资源
1.Hamlet英文词频统计 实例讲解
噪声:单词大小写,逗号等符号,要进行归一化
# 归一化处理
def getText():txt = open("hamlet.txt", "r").read()txt = txt.lower() # 都调整为小写形式# 把特殊符号都替换为空格for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_`{|}~':txt = txt.replace(ch, " ")return txthamletTxt = getText()
# 用空格分隔,变成一个单词组成的列表
words = hamletTxt.split()
# 定义字典类型元素counts,用来存储 单词 及 对应出现次数 的映射关系
counts = {}
# 逐一从列表中取出单词,如果这个单词在字典中就+1,不在的话就新建映射关系并设为0
for word in words:counts[word] = counts.get(word, 0) + 1
# 字典类型 转换为 列表类型
items = list(counts.items())
# 对列表进行排序,按照键值对的第二个元素进行排序,从大到小
items.sort(key=lambda x:x[1], reverse=True)
# 输出前10个出现次数最多的单词及出现次数
for i in range(10):word, count = items[i]print("{0:<10}{1:>5}".format(word, count))
输出:
2.《三国演义》人物出场统计 实例讲解
import jieba
txt = 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) + 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))
V2版本
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: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) + 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))
举一反三
Python北理工 第六章 组合数据类型相关推荐
- Python语言程序设计第七章 - 组合数据类型 - 6.1
目录 Python语言程序设计第七章 - 组合数据类型 集合运算 集合的关系 集合综合练习 元组元素抓7 元组解包 升序降序 截取部分元素 判断元素书否在列表中存在 头尾对调 翻转列表 指定元素对调 ...
- 字符串是单一字符的无序组合吗_计算机二级教程 Python语言程序设计 第6章组合数据类型...
第6章组合数据类型 第六章学习知识导图 考点主要是: 1) 组合数据类型的基本概念 2) 列表类型:定义.索引.切片 3) 列表类型的操作:列表的操作函数.列表的操作方法 4) 字典类型:定义.索引 ...
- 深度之眼 - Python学习笔记——第四章 组合数据类型
第四章 组合数据类型 4.1 列表 列表是可变的! 4.1.1 列表的表达 序列类型:内部元素有位置关系,能通过位置序号访问其中元素 列表是一个可以使用多种类型元素,支持元素的增.删.查.改操作的序列 ...
- 第六章 组合数据类型----元组
1.概念 元组一旦被创建,它的元素就不可更改了,所以元组是不可变序列.元组是上了枷锁的列表 语法:(元素1,元素2,元素3,......元素n) 2.元组可存放的数据类型: 对象.序列.字符串.布尔值 ...
- 【深度之眼Python基础+数据科学入门训练营】第四章 组合数据类型
第四章 组合数据类型 4.1 列表 4.1.1 列表的表达 序列类型:内部元素有位置关系,能通过位置序号访问其中元素 列表是一个可以使用多种类型元素,支持元素的增.删.查.改操作的序列类型 ls = ...
- 从零开始学Python(六) 组合数据类型
从零开始学Python(六) 组合数据类型 思维导图: 一.集合类型及操作 1.集合类型定义 集合是多个元素的无序组合: ①集合类型与数学中的集合概念一致 ②集合元素之间无序,每个元素唯一,不存在相同 ...
- 数据载入、存储及文件格式——《利用python数据分析》第六章学习
数据载入.存储及文件格式--<利用python数据分析>第六章学习 前言 这次带来第六章的学习笔记,希望这次效率高点,快点写完. 代码环境这次小升级,Pycharm 2021.3 + An ...
- 零基础学Python课后实战第六章
零基础学Python课后实战第六章 tips 实战一:导演为剧本选主角 实战二:模拟美团外卖商家的套餐 实战三:根据生日判断星座 实战四:将美元转换为人民币 tips 格式化字符串: {:0>9 ...
- Python基础总结(五) 组合数据类型
目录 第五章:组合数据类型 一.列表: (一)列表元素查找: (二)列表元素添加: (三)列表元素排序: (四)列表元素修删: (五)列表生成式(推导式): (六):zip() 和enumerate( ...
最新文章
- Python基础教程:super()方法详解
- 的级联选择_级联接收机的计算及Y因子噪声因子测量法
- oracle 英文版安装,Oracle10gR2 on RHEL4 x86_64安装技术文档(英文原版)
- 映射文件中增删改查标签中的parameterType和resultType
- Nginx学习笔记(三) Nginx基本数据结构
- Stacking:Catboost、Xgboost、LightGBM、Adaboost、RF etc
- 【工匠大道】博客园小技巧
- 导出excel文件对空值用“--“占位处理
- 关于微信无法登陆网页版的问题
- 阿齐索-对接淘宝第三方平台
- java的Swing框架简介
- java 加载类失败_java-动态类加载在运行时失败
- Messari:21年第二季度Web3及NFT报告
- 细思极恐!大数据和机器学习揭示十二星座的真实面目
- 谁能走得更远?百度、阿里、腾讯的区块链技术与布局对垒
- 华硕重装后进入bios_华硕电脑如何进入bios,教您如何华硕进入bios
- sendgrid html text,用sendgrid发邮件
- 英语发音规则---ir字母组合发音规律
- JVM——内存管理和垃圾回收
- minikube安装操作记录