為mooc網(wǎng)站的北京理工大學(xué)的 嵩天 、黃天羽 铐拐、禮欣 三位老師的課程筆記耻姥。

6 組合數(shù)據(jù)類型

6.1 集合類型及操作
6.2 序列類型及操作（元組類型、列表類型）
6.3 實例9：基本統(tǒng)計值計算
6.4 字典類型及操作
6.5 模塊5：jieba庫的使用
6.6 實例10：文本詞頻統(tǒng)計

6.1 集合類型及操作

集合類型定義跨扮；
集合操作符；
集合處理方法验毡；
集合類型應(yīng)用場景衡创；

6.1.1 集合定義

集合是不可變數(shù)據(jù)類型，每個元素唯一米罚，不存在相同元素钧汹，元素之間無順序丈探，用大括號{}表示录择，元素間用逗號分隔，建立集合用{}或set()碗降，<mark>建立空集合時必須使用set()</mark>隘竭；

A = {"python", 123, ("python", 123)}：{123,'python',('python',123)}; #使用{}建立集合
B = set("pypy123"):{'1','p','2','3','y'}; #使用set()建立集合

6.1.2 集合操作符

并，差讼渊，交动看，補(bǔ)

6.1.3 集合處理方法

6.1.4 集合類型應(yīng)用場景

• 包含關(guān)系比較逮京；
• 數(shù)據(jù)去重：集合類型所有元素?zé)o重復(fù)卿堂；
  ls = ["p", "p", "y", "y", 123] s = set(ls) #利用了集合無重復(fù)元素的特點 lt = list(s) #將集合轉(zhuǎn)換為列表

6.2 序列類型及操作

序列類型定義；序列類型處理函數(shù)及方法懒棉；元組類型及操作草描；列表類型及操作；序列類型應(yīng)用場景策严；

6.2.1 定義

1. 序列是具有先后關(guān)系的一組元素：是一維元素向量穗慕，元素類型可不同；類似數(shù)學(xué)元素妻导；元素間由序號引導(dǎo)逛绵，通過小標(biāo)訪問序列的特定元素；
2. 序列是一個基類類型：里面有字符串類型倔韭，元組類型术浪，列表類型；
3. 反向遞減寿酌，正向遞增胰苏；

6.2.2 處理函數(shù)及方法

5個函數(shù)和方法

6.2.3 元組類型及操作

• 元組是序列類型的一種擴(kuò)展：一旦創(chuàng)建就不能被修改贵试；使用小括號()或tuple()創(chuàng)建，元素間用逗號分隔凯正；可使用小括號或不使用小括號毙玻；
• 元組繼承序列類型的全部通用操作：沒有特殊操作；

6.2.4 列表類型及操作

• 列表是序列類型廊散，創(chuàng)建后可隨意修改桑滩；使用[]或list()創(chuàng)建，元素間用逗號分隔允睹；

操作函數(shù)和方法

6.2.5 應(yīng)用場景

• 數(shù)據(jù)表示：元組用于元素不改變的應(yīng)用場景胁澳，更多用于固定搭配場景；列表更加靈活米者，最常用的序列類型韭畸；表示一組有序數(shù)據(jù)；
• 元素遍歷：for item in ls:;for item in tp:;
• 數(shù)據(jù)保護(hù)：不希望數(shù)據(jù)被程序所改變蔓搞，轉(zhuǎn)換成元組類型（tuple()）胰丁；

# 6.1.3.py
A = {"python", 123, ("python", 123)}
try:
    while True:
        print(A.pop(),end="")
except:
    pass

123python('python', 123)

6.3 基本數(shù)據(jù)統(tǒng)計值計算

需求：給出一組數(shù)，對它們有個概要理解喂分；

• 總個數(shù)：len()
• 求和：for ... in
• 平均值：求和/總個數(shù)
• 方差：各數(shù)據(jù)與平均數(shù)差的平方的和的平均數(shù)
• 中位數(shù)：排序锦庸，求中間值

# 6.3CalStatisticsV1.py
def getNum():      #獲取用戶輸入
    nums = []
    iNumStr = input("請輸入數(shù)字（回車退出）：")
    while iNumStr != "":
        nums.append(eval(iNumStr))
        iNumStr = input("請輸入數(shù)字（回車退出）：")
    return nums
def mean(numbers):    #計算平均值
    s = 0.0
    for num in numbers:
        s = s + num
    return s/len(numbers)
def dev(numbers, mean):  #計算方差
    sdev = 0.0
    for num in numbers:
        sdev = sdev + (num - mean)**2
    return pow(sdev / (len(numbers)-1),0.5)
def median(numbers):    #計算中位數(shù)
    sorted(numbers)     #排序
    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},中位數(shù):{}".format(m,dev(n,m),median(n)))

請輸入數(shù)字（回車退出）：1
請輸入數(shù)字（回車退出）：2
請輸入數(shù)字（回車退出）：3
請輸入數(shù)字（回車退出）：4
請輸入數(shù)字（回車退出）：5
請輸入數(shù)字（回車退出）：
平均值:3.0,方差:1.6,中位數(shù):3

6.4 字典類型及操作

字典類型定義，字典處理函數(shù)及方法蒲祈，字典類型應(yīng)用場景

6.4.1 定義

• 字典類型是“映射”的體現(xiàn)：鍵值對甘萧，鍵是數(shù)據(jù)索引的擴(kuò)展；字典是鍵值對的集合讳嘱，鍵值對之間無序幔嗦；采用大括號{}和dict()創(chuàng)建，鍵值對用冒號:表示沥潭；type(x)：返回變量x的類型；

6.4.2 處理函數(shù)及方法

6.4.3 應(yīng)用場景

映射的表達(dá)颜懊；表達(dá)鍵值對數(shù)據(jù)财岔，進(jìn)而操作它們；

6.5 jieba庫介紹

6.5.1 概述

中文分詞第三方庫河爹；

6.5.2 jieba分詞的三種模式

• 精確模式：把文本精確的切分開匠璧，不存在冗余單詞；全模式：把文本中所有可能的詞語都掃描出來咸这，有冗余夷恍；搜索引擎模式：在精確模式基礎(chǔ)上，對長詞再次切分媳维；
• 常用函數(shù)

6.6 實例10：文本詞頻統(tǒng)計

6.6.1 問題分析

在英文中文中州丹，出現(xiàn)哪些詞袋励，出現(xiàn)多少次？

6.6.2 hamlet英文詞頻統(tǒng)計

• CalHamletV1.py

6.6.3 三國演義人物出場統(tǒng)計

• CalThreeKingdomsV1.py
• CalThreeKingdomsV2.py

# CalHamletV1.py
def getText():     #獲取文本当叭，歸一化處理文本
    txt = open("E:\python\learn\hamlet.txt","r").read()   #打開文件
    txt = txt.lower()     #將所有大寫字母變成小寫
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_{|}~"':   #將文本中特殊符號替換為空格
        txt = txt.replace(ch," ")
    return txt
hamletTxt = getText()
words = hamletTxt.split()    #采用空格將字符串中的信息進(jìn)行分隔茬故，以列表形式返回給變量
counts = {}
for word in words:
    counts[word] = counts.get(word,0) + 1   #統(tǒng)計字?jǐn)?shù)
items = list(counts.items())    #將字典類型轉(zhuǎn)換成列表類型
items.sort(key=lambda x:x[1], reverse=True)    #對一個列表按照鍵值對的2個元素的第2個元素進(jìn)行排序，排序方式為由大到小的倒排
for i in range(10):    #將前10位字?jǐn)?shù)打印輸出
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word,count))

the         137
to           99
he           71
and          65
hamlet       57
of           52
his          52
was          49
that         36
king         31

#CalThreeKingdomsV1.py   三國演義人物出場文本統(tǒng)計
import jieba
txt = open("E:/python/learn/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))

曹操          934
孔明          831
將軍          761
卻說          647
玄德          569
關(guān)公          509
丞相          488
二人          465
不可          435
荊州          420
孔明曰         385
玄德曰         383
不能          383
如此          376
張飛          348

#CalThreeKingdomsV2.py   三國演義人物出場文本統(tǒng)計
import jieba
txt = open("E:/python/learn/threekingdoms.txt","r",encoding="utf-8").read()
excludes = {"將軍","卻說","荊州","二人","不可","不能","如此"}   #構(gòu)建排除集合
words = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    elif word =="諸葛亮" or word =="孔明曰":
        rword = "孔明"
    elif word =="關(guān)公" or word =="云長":
        rword = "關(guān)羽"
    elif word =="玄德" or word =="玄德曰":
        rword = "劉備"
    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(15):
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word, count))

曹操         1429
孔明         1373
劉備         1223
關(guān)羽          779
張飛          348
商議          344
如何          336
主公          327
軍士          310
呂布          300
左右          291
軍馬          288
次日          270
引兵          269
大喜          265

點贊蚁鳖，關(guān)注磺芭，收藏??，?醉箕，??點贊钾腺，關(guān)注，收藏??讥裤，?放棒，??點贊，關(guān)注己英，收藏??间螟，?，??
????????????????????????????????????????????????????????????????
????????????????????????????????????????????????????????????????