Python语言程序设计_6

发表于
字数统计 1.7k | 阅读时长 7

学习过程主要依照中国MOOC课程，感谢MOOC，感谢北理授课大佬。

集合类型及操作

集合类型定义

-与数学中的集合概念一致，是多个元素的无序组合，每个元素唯一，不存在相同元素。
-集合用大括号{}表示，元素间用逗号分隔。

1
2
3
>>> A = {"python", 123, ("python", 123)}
>>> B = set("pypy123")
{'1', 'p', '2', '3', 'y'}

-建立集合类型用{}或set()；建立空集合类型必须使用 set()。

集合操作符

S|T:包含集合S和T中的所有元素；
S-T:包含在集合S但不在T中的元素；
S&T:包含同时在集合S和T中的元素；
S^T:包含集合S和T中的非相同元素；
S <= T/S < T:返回True/False，判断S和T的子集关系；
S >= T/S > T:返回True/False，判断S和T的包含关系；

集合处理方法

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):同上，如不在，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
len(S)：返回集合S的元素个数

集合类型应用场景

数据去重

1
2
3
4
5
>>>ls = ["p", "p", "y", "y", "",123]
>>>s = set(ls)
{'p', 'y', 123}
>>>ls = list(s)
['p', 'y', 123]

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一维元素向量，元素类型可以不同。
序列：字符串类型、元组类型、列表类型

序列处理函数及方法

s+t:连接两个序列s和t；
s*n:将序列s复制n次；

元组类型及操作

元组是序列类型的一种扩展，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。

列表类型及操作

元组是序列类型的一种扩展，创建后可以被随意修改。使用方括号[]或list()创建，元素间用逗号分隔。注意使用=赋值并不是真正的创建，只是将同一个列表贴了另一个标签。
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切片后所对应的元素子列表；
del ls[i]:删除列表ls中第i个元素；
ls+=lt:更新列表ls，将列表lt元素增加到列表ls中；
ls.insert(i,x):在列表ls的第i个位置增加元素x;
ls.pop(i):在列表ls中第i个位置元素取出并删除；
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：表示一组有序数据，进而操作它们；
数据保护，不希望数据被程序修改，转换为元组类型；

实例：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
#CalStatisticsV1.py
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
 
n =  getNum() #主体函数
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

字典中的映射是一种键（用户自定义索引）和值（数据）的对应。字典是键值对的集合，键值对之间无序，采用大括号{}或者dict()创建，键值对用冒号：表示。

字典处理函数及方法

del d[k]:删除字典d中键k对应的数据值；
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，返回相应值，不存在则返回值；
d.pop(k,)：键k存在，取出相应值，不存在则返回值；

jieba库的使用

-jieba是优秀的中文分词第三方库。
-利用一个中文词库，确定汉字之间的关联概率，概率大的组成词组，形成分词结果。

jieba分词三种模式

精确模式

把文本精确的切分开，不存在冗余单词。
jieba.lcut(s):精确模式，返回一个列表类型的分词结果。

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，对长词在此切分。

实例：文本字频统计

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))
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))
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
#CalThreeKingdomsV2.py
import jieba
excludes = {"将军","却说","荆州","二人","不可","不能","如此"}
txt = open("threekingdoms.txt", "r", encoding='utf-8').read()
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))

以上。

注：转载文章请注明出处，谢谢~