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

0. 北理工嵩天Python语言程序设计笔记（目录）
1. 北理工嵩天Python语言程序设计笔记（2 Python基本语法元素）
2. 北理工嵩天Python语言程序设计笔记（3 Python基本图形绘制）
3. 北理工嵩天Python语言程序设计笔记（4 基本数据类型）
4. 北理工嵩天Python语言程序设计笔记（5 程序的控制结构）
5. 北理工嵩天Python语言程序设计笔记（6 函数和代码复用）
6. 北理工嵩天Python语言程序设计笔记（7 组合数据类型）
7. 北理工嵩天Python语言程序设计笔记（8 文件和数据格式化）
8. 北理工嵩天Python语言程序设计笔记（9 程序设计方法学）
9. 北理工嵩天Python语言程序设计笔记（10 Python计算生态概览）

---

---

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}
1
2
3
4
5
6

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
1
2
3
4
5

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]
1
2
3
4
5

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'))
1
2
3
4
5
6

• 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)
1

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 nums


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


def dev(numbers, mean):  # 计算方差
    sdev = 0.0
    for num in numbers:
        sdev = sdev + (num - mean) ** 2
    return 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]) / 2
    else:
        med = numbers[size // 2]
    return med
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

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'>
1
2
3
4
5
6
7

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'])
1
2
3
4
5
6
7

>>>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')
1
2
3
4
5
6
7

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 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) # 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))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

7.6.2 《三国演义》人物出场统计"实例

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))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

将词频与人物相关联，面向问题

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:
        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))
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