Python-组合数据类型

今天要介绍的是Python的组合数据类型
整理不易，希望得到大家的支持，欢迎各位读者评论点赞收藏
感谢！

知识点

• 组合数据类型的基本概念
• 列表类型：定义、索引、切片
• 列表类型的操作：列表的操作函数、列表的操作方法
• 字典类型：定义、索引
• 字典类型的操作：字典的操作函数、字典的操作方法

知识导图

1、组合数据类型的基本概念

1.1 组合数据类型

• Python语言中最常用的组合数据类型有3大类，分别是集合类型、序列类型和映射类型。
• 集合类型是一个具体的数据类型名称，而序列类型和映射类型是一类数据类型的总称。
• 集合类型是一个元素集合，元素之间无序，相同元素在集合中唯一存在。
• 序列类型是一个元素向量，元素之间存在先后关系，通过序号访问，元素之间不排他。序列类型的典型代表是字符串类型和列表类型。
• 映射类型是“键-值”数据项的组合，每个元素是一个键值对，表示为(key, value)。映射类型的典型代表是字典类型。
  

1.2 集合类型概述

• Python语言中的集合类型与数学中的集合概念一致，即包含0个或多个数据项的无序组合。
• 集合是无序组合，用大括号（{}）表示，它没有索引和位置的概念，集合中元素可以动态增加或删除。
• 集合中元素不可重复，元素类型只能是固定数据类型，例如：整数、浮点数、字符串、元组等，列表、字典和集合类型本身都是可变数据类型，不能作为集合的元素出现。

S = {1010, "1010", 78.9}
print(type(S))
# 
print(len(S))
# 3
print(S)
# {78.9, 1010, '1010'}

• 需要注意，由于集合元素是无序的，集合的打印效果与定义顺序可以不一致。由于集合元素独一无二，使用集合类型能够过滤掉重复元素。

T = {1010, "1010", 12.3, 1010, 1010}
print(T)
# {1010, '1010', 12.3}

• 集合类型有4个操作符，交集（&）、并集（|）、差集（-）、补集（^），操作逻辑与数学定义相同。
  
  
  

S = {1010, "1010", 78.9}
T = {1010, "1010", 12.3, 1010, 1010}
print(S - T)
# {78.9}
print(T – S)
# {12.3}
print(S & T)
# {1010, '1010'}
print(T & S)
# {1010, '1010'}
print(S ^ T)
# {78.9, 12.3}
print(T ^ S)
# {78.9, 12.3}
print(S | T)
# {78.9, 1010, 12.3, '1010'}
print(T | S)
# {1010, 12.3, 78.9, '1010'}

• 集合类型有一些常用的操作函数或方法
  
• 集合类型主要用于元素去重，适合于任何组合数据类型。

S = set('知之为知之不知为不知')
print(S)
# {'不', '为', '之', '知'}
for i in S:
        print(i, end="")
# 不为之知

1.3 序列类型概述

• 序列类型是一维元素向量，元素之间存在先后关系，通过序号访问。
• 由于元素之间存在顺序关系，所以序列中可以存在相同数值但位置不同的元素。Python语言中有很多数据类型都是序列类型，其中比较重要的是：字符串类型和列表类型，此外还包括元组类型。
• 字符串类型可以看成是单一字符的有序组合，属于序列类型。列表则是一个可以使用多种类型元素的序列类型。序列类型使用相同的索引体系，即正向递增序号和反向递减序号。
  
• 序列类型有一些通用的操作符和函数
  

1.4 映射类型概述

• 映射类型是“键-值”数据项的组合，每个元素是一个键值对，即元素是(key, value)，元素之间是无序的。键值对是一种二元关系，源于属性和值的映射关系
  

• 映射类型是序列类型的一种扩展。在序列类型中，采用从0开始的正向递增序号进行具体元素值的索引。而映射类型则由用户来定义序号，即键，用其去索引具体的值。

• 键（key）表示一个属性，也可以理解为一个类别或项目，值（value）是属性的内容，键值对刻画了一个属性和它的值。键值对将映射关系结构化，用于存储和表达。

2、列表类型

2.1 列表的定义

• 列表是包含0个或多个元组组成的有序序列，属于序列类型。列表可以元素进行增加、删除、替换、查找等操作。列表没有长度限制，元素类型可以不同，不需要预定义长度。
• 列表类型用中括号（[]）表示，也可以通过list(x)函数将集合或字符串类型转换成列表类型。

ls = [1010, "1010", [1010, "1010"], 1010]
print(ls)
# [1010, '1010', [1010, '1010'], 1010]
print(list('列表可以由字符串生成'))
# ['列', '表', '可', '以', '由', '字', '符', '串', '生', '成']
print(list())
# []

• 列表属于序列类型，所以列表类型支持序列类型对应的操作

2.2 列表的索引

• 索引是列表的基本操作，用于获得列表的一个元素。使用中括号作为索引操作符。

ls = [1010, "1010", [1010, "1010"], 1010]
print(ls[3])
# 1010
print(ls[-2])
# [1010, '1010']
print(ls[5])
'''
Traceback (most recent call last):
   File "", line 1, in 
      ls[5]
IndexError: list index out of range'''

• 可以使用遍历循环对列表类型的元素进行遍历操作，基本使用方式如下：

for <循环变量> in <列表变量>:

        <语句块>

ls = [1010, "1010", [1010, "1010"], 1010]
for i in ls:
        print(i*2)
'''
2020
10101010
[1010, '1010', 1010, '1010']
2020'''

2.3 列表的切片

• 切片是列表的基本操作，用于获得列表的一个片段，即获得一个或多个元素。切片后的结果也是列表类型。切片有两种使用方式：

<列表或列表变量>[N: M]

                 或

<列表或列表变量>[N: M: K]

• 切片获取列表类型从N到M（不包含M）的元素组成新的列表。当K存在时，切片获取列表类型从N到M（不包含M）以K为步长所对应元素组成的列表。

ls = [1010, "1010", [1010, "1010"], 1010]
print(ls[1:4])
# ['1010', [1010, '1010'], 1010]
print(ls[-1:-3])
# []
print(ls[-3:-1])
# ['1010', [1010, '1010']]
print(ls[0:4:2])
# [1010, [1010, '1010']]

3、列表类型的操作

3.1 列表的操作函数

• 列表类型继承序列类型特点，有一些通用的操作函数
  

ls = [1010, "1010", [1010, "1010"], 1010]
print(len(ls))
# 4 
lt =["Python", ["1010", 1010, [
1010, "
Python"]]]
print(len(lt))
# 2

• min(ls)和max(ls)分别返回一个列表的最小或最大元素，使用这两个函数的前提是列表中各元素类型可以进行比较。

ls = [1010, 10.10, 0x1010]
print(min(ls))
# 10.1
lt = ["1010", "10.10", "Python"]
print(max(lt))
# 'Python'
ls = ls + lt
print(ls)
# [1010, 10.1, 4112, '1010', '10.10', 'Python']
print(min(ls))
'''
Traceback (most recent call last):
   File "", line 1, in 
      min(ls)
TypeError: '<' not supported between instances of 'str' and 'float''''

• list(x)将变量x转变成列表类型，其中x可以是字符串类型，也可以是字典类型。

print(list("Python"))
# ['P', 'y', 't', 'h', 'o', 'n']
print(list({"小明", "小红", "小白", "小新"}))
# ['小红', '小明', '小新', '小白']
print(list({"201801":"小明", "201802":"小红", "201803":"小白"}))
# ['201801', '201802', '201803']

3.2 列表的操作方法

• 列表类型存在一些操作方法，使用语法形式是：

<列表变量>.<方法名称>(<方法参数>)

• ls.append(x)在列表ls最后增加一个元素x。

lt = ["1010", "10.10", "Python"]
lt.append(1010)
print(lt)
# ['1010', '10.10', 'Python', 1010]
lt.append([1010, 0x1010])
print(lt)
# ['1010', '10.10', 'Python', 1010, [1010, 4112]]

• ls.append(x)仅用于在列表中增加一个元素，如果希望增加多个元素，可以使用加号，将两个列表合并。

lt = ["1010", "10.10", "Python"]
ls = [1010, [1010, 0x1010]]
ls += lt
print(lt)
['1010', '10.10', 'Python', 1010, [1010, 4112]]

• ls.insert(i, x)在列表ls中序号i位置上增加元素x，序号i之后的元素序号依次增加。

lt = ["1010", "10.10", "Python"]
lt.insert(1, 1010)
print(lt)
# ['1010', 1010, '10.10', 'Python']

• ls.clear()将列表ls的所有元素删除，清空列表。

lt = ["1010", "10.10", "Python"]
lt.clear()
print(lt)
# []

• ls.pop(i)将返回列表ls中第i位元素，并将该元素从列表中删除。

lt = ["1010", "10.10", "Python"]
print(lt.pop(1))
# 10.10
print(lt)
# ["1010", "Python"]

• ls.remove(x)将删除列表ls中第一个出现的x元素。

lt = ["1010", "10.10", "Python"]
lt.remove("10.10")
print(lt)
# ["1010", "Python"]

• 除了上述方法，还可以使用Python保留字del对列表元素或片段进行删除，使用方法如下：

del <列表变量>[<索引序号>]   或

del <列表变量>[<索引起始>: <索引结束>]

lt = ["1010", "10.10", "Python"]
del lt[1]
print(lt)
# ["1010", "Python"]
lt = ["1010", "10.10", "Python"]
del lt[1:]
print(lt)
# ["1010"]

• ls.reverse()将列表ls中元素进行逆序反转。

lt = ["1010", "10.10", "Python"]
print(lt.reverse())
# ['Python', '10.10', '1010']

• ls.copy() 复制ls中所有元素生成一个新列表。

lt = ["1010", "10.10", "Python"]
ls = lt.copy()
lt.clear() # 清空lt
print(ls)
# ["1010", "10.10", "Python"]

• 由上例看出，一个列表lt使用.copy()方法复制后赋值给变量ls，将lt元素清空不影响新生成的变量ls。
• 需要注意，对于基本的数据类型，如整数或字符串，可以通过等号实现元素赋值。但对于列表类型，使用等号无法实现真正的赋值。其中，ls = lt语句并不是拷贝lt中元素给变量ls，而是新关联了一个引用，即ls和lt所指向的是同一套内容。

lt = ["1010", "10.10", "Python"]
ls = lt # 仅使用等号
lt.clear()
print(ls)
# []

• 使用索引配合等号（=）可以对列表元素进行修改。

lt = ["1010", "10.10", "Python"]
lt[1] = 1010
print(lt)
# ["1010", 1010, "Python"]

• 列表是一个十分灵活的数据结构，它具有处理任意长度、混合类型的能力，并提供了丰富的基础操作符和方法。当程序需要使用组合数据类型管理批量数据时，请尽量使用列表类型。

4、字典类型

4.1 字典的定义

• “键值对”是组织数据的一种重要方式，广泛应用在Web系统中。键值对的基本思想是将“值”信息关联一个“键”信息，进而通过键信息查找对应值信息，这个过程叫映射。Python语言中通过字典类型实现映射。
• Python语言中的字典使用大括号{}建立，每个元素是一个键值对，使用方式如下：

{<键1>:<值1>, <键2>:<值2>, … , <键n>:<值n>}

• 其中，键和值通过冒号连接，不同键值对通过逗号隔开。字典类型也具有和集合类似的性质，即键值对之间没有顺序且不能重复。
• 变量d可以看作是“学号”与“姓名”的映射关系。需要注意，字典各个元素并没有顺序之分。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d)
# {'201801': '小明', '201802': '小红', '201803': '小白'}

4.2 字典的索引

• 列表类型采用元素顺序的位置进行索引。由于字典元素“键值对”中键是值的索引，因此，可以直接利用键值对关系索引元素。
• 字典中键值对的索引模式如下，采用中括号格式：

<值> = <字典变量>[<键>]

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d["201802"])
# 小红

• 利用索引和赋值（=）配合，可以对字典中每个元素进行修改。

d["201802"] = '新小红'
print(d)
# {'201801': '小明', '201803': '小白', '201802': '新小红'}

• 使用大括号可以创建字典。通过索引和赋值配合，可以向字典中增加元素。

t = {}
t["201804"] = "小新"
print(d)
# {'201804': '小新'}

• 字典是存储可变数量键值对的数据结构，键和值可以是任意数据类型，通过键索引值，并可以通过键修改值。

5、字典类型的操作

5.1 字典的操作函数

• 字典类型有一些通用的操作函数
  
• len(d)给出字典d的元素个数，也称为长度。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(len(d))
# 3

• min(d)和max(d)分别返回字典d中最小或最大索引值。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(min(d))
# '201801'
print(max(d))
# '201803'

• dict()函数用于生成一个空字典，作用和{}一致。

d = dict()
print(d)
# {}

5.2 字典的操作方法

• 字典类型存在一些操作方法，使用语法形式是：

<字典变量>.<方法名称>(<方法参数>)

• d.keys()返回字典中的所有键信息，返回结果是Python的一种内部数据类型dict_keys，专用于表示字典的键。如果希望更好的使用返回结果，可以将其转换为列表类型。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.keys())
# dict_keys(['201801', '201802', '201803'])
print(type(d.keys()))
# 
print(list(d.keys()))
# ['201801', '201802', '201803']

• d.values()返回字典中的所有值信息，返回结果是Python的一种内部数据类型dict_values。如果希望更好的使用返回结果，可以将其转换为列表类型。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.values())
# dict_values(['小明', '小红', '小白'])
print(type(d.values()))
# 
print(list(d.values()))
# ['小明', '小红', '小白']

• d.items()返回字典中的所有键值对信息，返回结果是Python的一种内部数据类型dict_items。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.items())
# dict_items([('201801', '小明'), ('201802', '小红'),('201803', '小白')])
print(type(d.items()))
# 
print(list(d.items()))
# [('201801', '小明'), ('201802', '小红'), ('201803', '小白')]

• d.get(key, default)根据键信息查找并返回值信息，如果key存在则返回相应值，否则返回默认值，第二个元素default可以省略，如果省略则默认值为空。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.get('201802'))
'小红'
print(d.get('201804'))
print(d.get('201804', '不存在'))
'不存在'

• d.pop(key, default)根据键信息查找并取出值信息，如果key存在则返回相应值，否则返回默认值，第二个元素default可以省略，如果省略则默认值为空。相比d.get()方法，d.pop()在取出相应值后，将从字典中删除对应的键值对。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.pop('201802'))
# '小红'
print(d)
# {'201801': '小明', '201803': '小白'}
print(d.pop('201804', '不存在'))
# '不存在'

• d.popitem()随机从字典中取出一个键值对，以元组(key,value)形式返回。取出后从字典中删除这个键值对。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print(d.popitem())
# ('201803', '小白')
print(d)
# {'201801': '小明', '201802': '小红'}

• d.clear()删除字典中所有键值对。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
d.clear()
print(d)
# {}

• 此外，如果希望删除字典中某一个元素， 可以使用Python保留字del。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
del d["201801"]
print(d)
# {'201802': '小红', '201803': '小白'}

• 字典类型也支持保留字in，用来判断一个键是否在字典中。如果在则返回True，否则返回False。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
print("201801" in d)
# True
print("201804" in d)
# False

• 与其他组合类型一样，字典可以遍历循环对其元素进行遍历，基本语法结构如下：

for <变量名> in <字典名>

        <语句块>

• for循环返回的变量名是字典的索引值。如果需要获得键对应的值，可以在语句块中通过get()方法获得。

d = {"201801":"小明", "201802":"小红", "201803":"小白"}
for k in d:
    print("字典的键和值分别是：{}和{}".format(k, d.get(k)))
'''
字典的键和值分别是：201801和小明
字典的键和值分别是：201802和小红
字典的键和值分别是：201803和小白'''

6、实例解析：文本词频统计

• 在很多情况下，会遇到这样的问题：对于一篇给定文章，希望统计其中多次出现的词语，进而概要分析文章的内容。这个问题的解决可用于对网络信息进行自动检索和归档。

• 在信息爆炸时代，这种归档或分类十分有必要。这就是“词频统计”问题。
  统计《哈姆雷特》英文词频

• 第一步：分解并提取英文文章的单词
  通过txt.lower()函数将字母变成小写，排除原文大小写差异对词频统计的干扰。为统一分隔方式，可以将各种特殊字符和标点符号使用txt.replace()方法替换成空格，再提取单词。

• 第二步：对每个单词进行计数

if word in counts:
else:
        counts[word] = 1

或者，这个处理逻辑可以更简洁的表示为如下代码：

 counts[word] = counts.get(word,0) + 1

• 第三步：对单词的统计值从高到低进行排序
  由于字典类型没有顺序，需要将其转换为有顺序的列表类型，再使用sort()方法和lambda函数配合实现根据单词次数对元素进行排序。

items = list(counts.items())#将字典转换为记录列表
items.sort(key=lambda x:x[1], reverse=True) #以第2列排序

# CalHamlet.py
def getText():
    txt = open("hamlet.txt", "r").read()
    txt = txt.lower()
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':
        txt = txt.replace(ch, " ") #将文本中特殊字符替换为空格
    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))

>>>
the 1138
and 965
to 754
of 669
you 550
a 542
i 542
my 514
hamlet 462
in 436

小结

主要针对初学程序设计的读者，具体讲解了程序设计语言的基本概念，理解程序开发的IPO编写方法，配置Python开发环境的具体步骤，以及Python语言和Python程序特点等内容，进一步给出了5个简单Python实例代码，帮助读者测试Python开发环境，对该语言有一个直观认识。

Python大戏即将上演，一起来追剧吧。