第六周

6.1 集合类型及操作

1.集合类型的定义

集合是多个元素的无序组合,每个元素唯一,不存在相同元素。集合元素不可更改,不能是可变数据类型。这是因为,若集合元素可以改变,那么万一改变成和其它元素重复的,必然造成错误。

集合用大括号{}表示,元素之间用逗号分隔。建立集合类型有{}或set()。如果建立空集合,必须用set()。例如:

结果是:{‘python’,123,(‘python’,123)}

结果是{‘1’,’p’,’2’,’3’,’y’}

2.集合操作符

集合间操作主要有:

(1)并:S|T

(2)差:S-T

(3)交:S&T

(4)补:S^T

表1.1 6个操作符

操作符及应用

描述

S|T

返回一个新集合,包括在集合S和T中所有元素

S-T

返回一个新集合,包括在集合S但不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中的费相同元素

S<=T或S<T

返回True或False,判断S和T的子集关系

S>=T或S>T

返回True或False,判断S和T的包含关系

表1.2 4个增强操作符

操作符及应用

描述

S|=T

更新集合S,包括在集合S和T中所有元素

S-=T

更新集合S,包括在集合S但不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中的费相同元素

 

3.集合处理方法

表1.3 集合处理方法

操作函数及方法

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S中,不报错

S.remove(x)

移除S中元素x,如果x不在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(删除该元素),若S为空产生keyError异常

S.copy()

返回S的一个副本

len(S)

返回集合S中元素个数

x   in S

判断S中元素是否有x,若有返回True,否则False

x   not in S

判断S中元素是否无x,若无返回True,否则False

set(x)

将其他类型变量x转变成集合类型

 

6.2 序列类型及操作

1.序列类型的定义

序列是具有先后关系的一组元素。它是一维元素向量,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。

序列是一个基类类型。序列衍生出:字符串类型、元组类型、列表类型。

2.序列处理函数及方法

基本之前都讲过,这里只讲下面几个:

s.index(x)或s.index(x,i,j):返回s从i开始到j位置(省略i和j则是整个序列)中第一次出现x的位置。

s.count(x):是中出现x的总次数。

3.元组类型及操作

    元组是一种序列类型,但是它一旦被创建就不能修改。元组使用小括号()或者tuple()创建,元素之间用逗号分隔。在使用的时候,可以使用或不使用小括号。

4.列表类型及操作

元组是一种序列类型,但是它创建后能修改。它使用方括号[]或list()创建,元素用逗号分隔。可以使用或不使用小括号。

表2.1 列表类型操作函数和方法

函数或方法

描述

ls[i]=x

替换列表ls第i个元素为x

ls[i:j:k]=lt

用列表lt替换ls切片后所对应元素字列表

del   ls[i]

删除列表ls中的第i元素

del   ls[i:j:k]

很容易懂,不写了

ls+=lt

更新列表ls,将lt加到ls后面

ls*=n

更新列表ls,其元素重复n次

ls.append(x)

在ls后面增加一个元素x

ls.insert(i,x)

在ls第i个位置增加元素x

ls.remove(x)

将ls中出现的第一个x删除

ls.reverse()

将ls反转

 

5.序列类型典型应用场景

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,它最常用的序列类型。

6.3 实例9:基本统计值计算

例:计算一组数据的总个数、总和、平均数、方差、中位数。

代码:

6.4 字典类型及操作

1.字典类型定义

字典类型是映射的体现,它通过键值对来体现,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。例如:

输入

结果是

如果我们想生成一个空字典,则可以是使用

de={}

    直接用大括号只能生成字典!

2.字典处理函数及方法

表4.1 字典类型操作函数和方法

函数或方法

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,在就是True,否则False。k是索引

d.keys()

返回d中所有的键信息

d.values()

返回d中所有的值信息

d.items()

返回d中所有键值对信息

d.get(k,<default>

键k存在,则返回相应值,否则返回<default>值

d.pop(k,<default>)

键k存在,则取出(并删除)相应值,否则返回<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

len(d)

返回字典d中元素的个数

 

6.5 模块5:jieba库的使用

jieba是优秀的中文分词第三方库。jieba分词有三种模式: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。

表5.1 jieba库常用函数

函数

描述

jieba.lcut(s)

精确模式,返回一个列表类型的分词结果。

jieba.lcut(s.cut_all=True)

全模式,返回一个列表类型的粉刺结果,存在冗余。

jieba.lcut_for_search(s)

搜索引擎模式,返回一个列表类型的分词结果,存在冗余。

jieba.add_word(w)

向分词词典增加新词w

 

6.6 实例10:文本词频统计

1.Hamlet词频统计

2. 《三国演义》人物出场统计(下)(含《三国演义》原文文本)