06. 组合数据类型

发表于 更新于 分类于 ，

集合类型及操作

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
  • 集合元素不可更改，不能是可变数据类型

集合类型的定义

集合是多个元素的无序组合

  • 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()
1
2
A = {"python", 123, ("python",123)} #使用{}建立集合
B = set("pypy123") #使用set()建立集合

集合间运算

集合间操作

集合操作符 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 < 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
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
集合操作函数或方法 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 转变为集合类型

集合遍历

1
2
3
4
5
6
7
8
9
10
11
# 推荐遍历方式
for item in setA:
    print(item, end="")

# 疯狂的死循环也能遍历
try:
    while True:
        item = setA.pop()
        print(item, end="")
except:
    pass

集合类型应用场景

  • 用于比较关系: S <= T 或 S > T 等等
  • 数据去重：集合类型所有元素无重复
1
2
3
>>> 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}

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

序号的定义

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
sn 或 ns 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中第i到j以k为步长的元素子序列

序列类型取反操作

1
2
ls = ["python", 123, ".io"]
print(ls[::-1])
序列类型通用函数和方法 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(s) 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

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

元组类型操作
元组继承序列类型的全部通用操作

  • 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

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，创建后可随意修改
  • 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
列表类型操作函数和方法 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中第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.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

序列类型应用场景

数据表示：元组 和 列表

  • 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

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
1
2
3
4
ls = ["cat", "dog", "tiger", 1024]
lt = tuple(ls)
lt
('cat', 'dog', 'tiger', 1024)

3 实例9: 基本统计值计算

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
# CalsttisticsV1.py
def getNum():
    nums = list()
    while True:
        iNumStr = input("请输入数字(回车退出):")
        if iNumStr == "":
            break
        nums.append(eval(iNumStr))
    return nums;

def mean(numbers):
    s = 0.0
    for num in numbers:
        s += num
    return s / len(numbers)

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

def median(numbers): #计算中位数
    sorted(numbers)
    size = len(numbers)
    if size % 2 == 0:
        # 中位数这么玩
        med = (numbers[size//2-1] + numbers[size//2])/2
    else:
        med = numbers[size//2]
    return med

numbers = getNum()
mean = mean(numbers)
dev = dev(numbers, mean)
median = median(numbers)
print("平均数:", mean)
print("方差:{:.2}".format(dev))
print("中位数:", median)

4 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

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
1
2
3
4
5
<字典变量> = {<键1>:<值1>, … , <键n>:<值n>}
<值> = <字典变量>[<键>] # 取出值
<字典变量>[<键>] = <值> # 设置值
[ ] 用来向字典变量中索引或增加元素
<字典变量>[<键>] = <值>
字典类型操作函数和方法 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，如果在返回True，否则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.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() 删除所有的键值对
len(d) 返回字典d中元素的个数

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

1
2
for k in d :
    <语句块>

5 模块5: jieba 库的使用

ieba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
(cmd命令行) 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

jieba库常用函数
jieba.lcut(s)
精确模式，返回一个列表类型的分词结果

1
2
jieba.lcut( "中国是一个伟大的国家" )
['中国', '是', '一个', '伟大', '的', '国家']

6 实例10: 文本词频统计

Hamlet词频统计（含Hamlet原文文本）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
#CalHamletV1.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))

《三国演义》人物出场统计（上）（含《三国演义》原文文本）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#CalThreeKingdomsV1.py
import jieba
txt = open("threekingdoms.txt", "r", encoding='utf-8').read()
words  = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    else:
        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))