python组合数据类型

集合类型及操作

集合类型的定义

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()

>>> A = {"python",123,("python",123)}  #使用{}建立集合
{'python', ('python', 123), 123}

>>> B = set("pypy123") #使用set()建立集合
{'2', '3', 'p', 'y', '1'}

>>> C = {"python",123,"python",123}
{'python', 123}

重点

• 集合用大括号{}表示，元素间用逗号分隔
• 集合元素之间无序
• 集合中每个元素唯一，不存在相同元素

集合操作符

集合间操作：并差交补

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，包括同时在集合S和T中的元素
S^T	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	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	描述
S|=T	更新集合S，包括在集合S和T中的所有元素
S-=T	更新集合S，包括在集合S但不在T中的元素
S&=T	更新集合S，包括同时在集合S和T中的元素
S^=T	更新集合S，包括集合S和T中的非相同元素

>>> A = {"p","y",123}
>>> B = set("pypy123")
>>> A - B
{123}
>>> B - A
{'2', '3', '1'}
>>> A & B
{'y', 'p'}
>>> A | B
{'2', '3', 'p', 'y', 123, '1'}
>>> A ^ B
{'2', '3', 123, '1'}

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S中，将x增加到S
S.discard(x)	移除S中元素x，如果x不在集合S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S中，返回True，否则返回False
x not in S	判断S中元素x，x不在集合S中，返回False，否则返回True
set(x)	将其他类型变量x转换为集合类型

>>> A = {"p","y",123}
>>> for item in A:
	print(item,end="")

y123p

>>> try:
	    while True:
		    print(A.pop(), end="")
    except:
	    pass

y123p
>>> A
set()

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]
>>> s = set(ls)
>>> s
{'y', 123, 'p'}
>>> lt = list(s)
>>> lt
['y', 123, 'p']

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

• 序列是一维元素的向量，元素类型可以不同
• 类似数学元素序列
• 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：

序列类型

字符串类型

元组类型

列表类型

序列类型通用操作符

操作符及应用	描述
x in s	如果x是序列s的元素，则返回True，否则返回False
x not in s	如果x是序列s的元素，则返回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中第i到j以k为步长的元素子序列

#::-1可以取反
>>> ls = ["python",123,".io"]
>>> ls[::-1]
['.io', 123, 'python']

>>> s = "python123.io"
>>> s[::-1]
'oi.321nohtyp'

序列类型通用函数和方法

5个函数和方法

函数和方法	描述
len(s)	返回序列s的长度
min(s)	返回序列s中的最小元素，s中的元素需要可比较
max(s)	返回序列s中的最大元素，s中的元素需要可比较
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"]
>>> len(ls)
3
>>> s = "python123.io"
>>> max(s)
'y'

元组类型及操作

元组类型的定义

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

>>> creature = "cat","dog","tiger","human"
>>> creature
('cat', 'dog', 'tiger', 'human')

>>> color = (0x001100,"blue",creature)
>>> color
(4352, 'blue', ('cat', 'dog', 'tiger', 'human'))

元组类型操作

• 元组继承序列类型的全部通用操作
• 因为元组创建后不能修改，所以没有特殊操作

>>> creature = "cat","dog","tiger","human"
>>> creature[::-1]
('human', 'tiger', 'dog', 'cat')

>>> color = (0x001100,"blue",creature)
>>> color[-1][2]
'tiger'

列表类型及操作

列表类型定义

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，创建后可以随意被修改
• 使用方括号[]或list()创建，元素间用逗号,分隔
• 可以使用或不使用方括号

>>> ls = ["cat","dog","tiger",1024]
>>> ls
['cat', 'dog', 'tiger', 1024]

>>> lt = ls
>>> lt
['cat', 'dog', 'tiger', 1024]
#赋值并没有创建新列表，而相当于重新命名（类似指针）

列表类型操作函数和方法

函数和方法	描述
ls[i] = x	替换列表ls第i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第i元素
del ls[i:j:k]	删除列表ls中第i到第j以k为步长的元素
ls += lt	更新列表ls，将lt列表的元素增加到ls中
ls *= n	更新列表ls，其元素重复n次

>>> ls = ["cat","dog","tiger",1024]
>>> ls[1:2] = [1,2,3,4]
>>> ls
['cat', 1, 2, 3, 4, 'tiger', 1024]
>>> del ls[::3]
>>> ls
[1, 2, 4, 'tiger']
>>> ls*2
[1, 2, 4, 'tiger', 1, 2, 4, 'tiger']

函数或方法	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中的所有元素
ls.copy()	生成一个新列表，赋值ls中所有元素
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中第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()	将列表ls中的元素反转

>>> ls = ["cat","dog","tiger",1024]
>>> ls.append(1234)
>>> ls
['cat', 'dog', 'tiger', 1024, 1234]
>>> ls.insert(3,"human")
>>> ls
['cat', 'dog', 'tiger', 'human', 1024, 1234]
>>> ls.reverse()
>>> ls
[1234, 1024, 'human', 'tiger', 'dog', 'cat']

序列类型应用场景

• 元组用于元素不改变的应用场景，更多应用于固定搭配场景
• 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

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]
>>> lt = tuple(ls)
>>> lt
('cat', 'dog', 'tiger', 1024)

实例：基本统计值计算

实例：基本统计值计算

#CalStatisticsV1.py
#获取用户不定长度的输入
def getNum():
      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

#计算平均值
def mean(numbers):
      s = 0.0
      for num in numbers:
            s = s + num
      return s / len(numbers)

#计算方差
def dev(numbers, mean):
      sdev = 0.0
      for num in numbers:
            sdev = sdev + (num - mean)**2
      return pow(sdev / (len(numbers)-1), 0.5)

#计算中位数
def median(numbers):
      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()
m = mean(n)
print("平均值:{},方差:{:.2},中位数:{}.".format(m, dev(n,m), median(n)))

字典类型及操作

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
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

>>> 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'

字典类型操作函数及方法

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，如果在则返回True，否则False
d.keys()	返回字典d所有的键信息
d.values()	返回字典d所有的值信息
d.items()	返回字典d所有的键值对信息

>>> 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.items()
dict_items([('中国', '北京'), ('美国', '华盛顿'), ('法国', '巴黎')])

函数或方法	描述
d.get(k, )	键k存在，则返回相应值，不在则返回值
d.pop(k, )	键k存在，则取出相应值，不在则返回值
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()	删除所有键值对
len(d)	返回字典d中元素的个数

>>> 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()
('法国', '巴黎')

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>

jieba库的使用

jieba库的基本介绍

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库提供三种分词模式，最简单只需掌握一个函数

jieba库的安装

pip install jieba

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
• 汉字之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、全模式、搜索引擎模式

• 精确模式：把文本精确地切分开，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

函数	描述
jiaba.lcut(s)	精确模式，返回一个列表类型的分词结果
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
jieba.add_word(w)	向分词词典增加新词w

>>> import jieba
>>> jieba.lcut("中国是一个伟大的国家")
Building prefix dict from the default dictionary ...
Dumping model to file cache C:\Users\dreamorz\AppData\Local\Temp\jieba.cache
Loading model cost 1.020 seconds.
Prefix dict has been built succesfully.
['中国', '是', '一个', '伟大', '的', '国家']
>>> jieba.lcut("中国是一个伟大的国家",cut_all=True)
['中国', '国是', '一个', '伟大', '的', '国家']
>>> jieba.lcut_for_search("中华人民共和国是伟大的")
['中华', '华人', '人民', '共和', '共和国', '中华人民共和国', '是', '伟大', '的']
>>> jieba.add_word("蟒蛇语言")

jieba分词要点

jieba.lcut(s)

实例：文本词频统计（英文&中文）

Hamlet词频统计

#CalHamletV1.py
def getText():
      txt = open("E:/python/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))

《三国演义》人物出场统计

#CalThreeKingdomsV1.py
import jieba
txt = open("threekingdoms.txt","r",encoding="utf-8").read()
excludes = {"将军","却说","二人","不可","荆州","不能","如此","商议","如何","今日","不敢","魏兵","陛下","一人","军士","左右","军马","主公","引兵","次日","大喜","天下","东吴","于是"}
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))