【2023】某python语言程序设计跟学第六周内容
目录
1.集合类型及操作
1.1.集合类型定义
集合是多个元素的无序组合
-
集合类型与数学中集合概念一致
-
集合元素之间无序，每个元素唯一，不存在相同元素
-
集合元素不可修改，不能是可变数据类型
-
集合用{}表示，元素之间用逗号分隔
-
建立集合类型用{}或set()
-
建立空集合类型，必须使用set()
1.2.集合操作符
集合间有多种操作，常见集合间运算分别为并（|）、交（&）、差（-）、补（^）运算
Python集合有多种集合间运算，以下是常见的集合间运算：
-
并集：使用
|或union()方法。将两个集合中的所有元素合并成一个集合，不会重复。set1 = {1, 2, 3} set2 = {3, 4, 5} set3 = set1 | set2 # 或者 set4 = set1.union(set2) print(set3) # {1, 2, 3, 4, 5} print(set4) # {1, 2, 3, 4, 5} -
交集：使用
&或intersection()方法。返回两个集合中都包含的元素组成的集合。set1 = {1, 2, 3} set2 = {3, 4, 5} set3 = set1 & set2 # 或者 set4 = set1.intersection(set2) print(set3) # {3} print(set4) # {3} -
差集：使用
-或difference()方法。返回第一个集合中有但第二个集合中没有的元素组成的集合。set1 = {1, 2, 3} set2 = {3, 4, 5} set3 = set1 - set2 # 或者 set4 = set1.difference(set2) print(set3) # {1, 2} print(set4) # {1, 2} -
补集：使用
^或symmetric_difference()方法。返回两个集合中不同的元素组成的集合。set1 = {1, 2, 3} set2 = {3, 4, 5} set3 = set1 ^ set2 # 或者 set4 = set1.symmetric_difference(set2) print(set3) # {1, 2, 4, 5} print(set4) # {1, 2, 4, 5}
这些集合间运算都是基于集合的数学概念而来，可以方便地处理集合中的元素。
除此之外还有（<=、<、>=、>）判断子集关系或包含关系
1.3.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)：移除S中元素x，如果x不在集合S中，产生KeyError异常
- S.clear(x)：移除S中所有元素
- S.pop(x)：随机返回一个元素，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不在集合中，返回True，否则返回False
- set(x)：将其他类型变量x转变为集合类型
1.4.集合类型应用场景
数据去重：集合类型的元素不重复，可用于去除列表等其他集合类型中的重复元素。
ls = ["p", "p", "y", "y", 123]
s = set(ls)
print(s)lt = list(s)
print(s)# 输出
{'p', 123, 'y'}
{'p', 123, 'y'}
其他场景还有包括：
- 集合运算：集合类型支持包括交集、并集、差集等多种集合运算，可用于对多个集合进行操作。
- 成员检查：集合类型支持快速的成员检查，可用于判断一个元素是否在集合中。
- 缓存：集合类型支持快速的添加、删除、查找等操作，可用于缓存数据。
- 数学计算：集合类型支持数学中的集合操作，如求并集、交集等。
- 过滤数据：集合推导式可用于过滤数据，筛选满足条件的元素。
2.序列类型及操作
2.1.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
- 类似于数学元素序列
- 元素间由序号引导，通过下标访问序列的特定元素
序列是一个基类类型，不会直接使用序列类型，而是使用他的衍生类型：字符串类型、元组类型、列表类型
在Python中，序列类型的序号从0开始，表示序列中的第一个元素。例如，对于一个包含3个元素的列表，第一个元素的序号为0，第二个元素的序号为1，第三个元素的序号为2。可以使用方括号索引来获取序列中的特定元素，例如：
my_list = [1, 2, 3]
print(my_list[0]) # 输出1
print(my_list[1]) # 输出2
print(my_list[2]) # 输出3
反向从（-1）开始
2.2.序列处理函数及方法
Python中序列类型操作符包括：
- 索引操作符（[]）：用于获取序列中指定位置的元素，索引从0开始。
- 切片操作符（[:]）：用于获取序列中指定范围的元素，包括起始位置，但不包括结束位置。
- 连接操作符（+）：用于连接两个序列，生成一个新的序列。
- 重复操作符（*）：用于将序列重复多次，生成一个新的序列。
- 成员操作符（in）：用于检查指定元素是否在序列中。
- 长度操作符（len()）：用于获取序列的长度。
这些操作符的含义和使用方法可以根据具体的序列类型（如字符串、列表、元组等）来进行理解和应用。
序列类型中通用函数及方法：
通用函数：
- len(seq)：返回序列的长度。
- min(seq)：返回序列中的最小值。
- max(seq)：返回序列中的最大值。
- sum(seq)：返回序列中所有元素的和。
- any(seq)：如果序列中的任意一个元素为True，则返回True；否则返回False。
- all(seq)：如果序列中的所有元素都为True，则返回True；否则返回False。
方法：
- seq.count(x)：返回元素x在序列中出现的次数。
- seq.index(x)：返回元素x在序列中第一次出现的索引。
- seq.append(x)：将元素x添加到序列的末尾。
- seq.insert(i, x)：将元素x插入到序列中索引为i的位置。
- seq.pop()：从序列中删除最后一个元素，并返回该元素的值。
- seq.remove(x)：从序列中删除第一个出现的元素x。
- seq.reverse()：将序列中的元素反转。
- seq.sort()：将序列中的元素按照一定规则排序。
2.3.元组类型定义
元组是序列类型的一种扩展
- 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
- 可以使用或不适应小括号
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
2.4.列表类型及操作
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，创建后可以随意被修改
- 使用[]或者list()创建，元素间用逗号，分隔
示例：定义一个列表
ls = ["cat", "dog", "tiger", 1024]
print(ls)
lt = ls
# 输出
['cat', 'dog', 'tiger', 1024]
['cat', 'dog', 'tiger', 1024]
此时lt并没有生成一个新列表，而是给ls列表增加一个名称
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
示例：
ls = ["cat", "dog", "tiger", 1024]
print(ls)
ls[1:2] = [1, 2, 3, 4]
print(ls)
del ls[::3]
print(ls)
print(ls*2)
# 输出
['cat', 'dog', 'tiger', 1024]
['cat', 1, 2, 3, 4, 'tiger', 1024]
[1, 2, 4, 'tiger']
[1, 2, 4, 'tiger', 1, 2, 4, 'tiger']
列表类型操作函数和方法：
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
示例：
ls = ["cat", "dog", "tiger", 1024]
print(ls)
ls.append(1234)
print(ls)
ls.insert(3, "human")
print(ls)
ls.reverse()
print(ls)
# 输出
['cat', 'dog', 'tiger', 1024]
['cat', 'dog', 'tiger', 1024, 1234]
['cat', 'dog', 'tiger', 'human', 1024, 1234]
[1234, 1024, 'human', 'tiger', 'dog', 'cat']
2.5.序列类型应用场景
序列包括元组、列表两种重要的扩展类型
序列类型应用场景：
- 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
3.实例：基本统计值计算
基本统计值：
- 需求：给出一组数，对它们有个概要理解
- 该怎么做
总个数，求和，平均值，方差，中位数
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 numsdef mean(numbers): #计算平均值s = 0.0for num in numbers:s = s + numreturn s / len(numbers)def dev(numbers, mean): #计算方差sdev = 0.0for num in numbers:sdev = sdev + (num - mean)2return 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])/2else:med = numbers[size//2]return medn = 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)))
4.字典类型及操作
4.1.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
字典类型是“映射”的体现
- 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
{}或dict()创建，键值对用：表示
d = {"中国":"北京", "美国":"华盛顿"}
print(d)
# 输出
{'中国': '北京', '美国': '华盛顿'}
4.2.字典处理函数及方法
函数及方法：
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，否则返回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
示例：
d = {"中国":"北京", "美国":"华盛顿"}
print(d)
print("中国" in d)
print(d.keys())
# 输出
{'中国': '北京', '美国': '华盛顿'}
True
dict_keys(['中国', '美国'])
dict_values(['北京', '华盛顿'])
列表类型操作函数和方法：
d.get(k, <default>)：键k存在，则返回相应值，不在则返回<default>值
d.pop(k, <default>)：键k存在，则取出相应值，不在则返回<default>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()：删除所有键值对
示例：
d = {"中国":"北京", "美国":"华盛顿"}
print(d.get("中国", "汉堡包"))
print(d.get("炸薯条", "汉堡包"))
# 输出
北京
汉堡包
('美国', '华盛顿')
4.3.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
5.jieba库概述
jieba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
- 需要额外安装
- jieba库提供三种分词模式，最简单的只需掌握一个函数
安装：在终端运行
pip install jieba
jieba分词需要依靠中文词库
- 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
- 除了词库，还可以添加自定义词组
jieba分词有三种模式
- 精确模式：把文本精确的切分开，不存在冗余单词
- 全模式：本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.cut(s): 分词函数，将文本分成一个个词语并返回一个可迭代的generator对象。
jieba.lcut(s): 精确模式，返回一个列表，包含分词结果中的所有词语。
jieba.lcut(s,cut_all=True)：全模式，返回一个列表类型的分词结果，存在冗余
jieba.lcut_for_search(s): 适用于搜索引擎的分词函数，粒度比较细。
jieba.add_word(s): 向词典中添加新词。
6.实例：文本词频统计
文本词频统计
需求：一篇文章，出现了哪些词？哪些词出现的最多？
6.1.哈姆雷特统计
https://www.python123.io/resources/pye/hamlet.txt
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 txthamletTxt = 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))
6.2.三国演义统计
https://www.python123.io/resources/pye/threekingdoms.txt
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:continueelif 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 = wordcounts[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))
