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：

A={“python”,123,(“python”,123)}#使用{}建立集合

结果是：{‘python’,123,(‘python’,123)}

B=set(“pypy123”)#使用set()建立集合

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

表1.2 4个增强操作符

3.集合处理方法

表1.3 集合处理方法

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

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：

def getNum():
    nums = []
    iNumStr = input("请输入数字")
    while iNumStr !="":
        nums.append(eval(iNumStr))
        iNumStr = input("请输入数字")
    return nums
def getMean(numbers):
    s=0.0
    for num in numbers:
        s += num
    return s/len(numbers)
def dev(numbers,mean):
    sdev=0.0
    for num in numbers:
        sdev = sdev+(num-mean)**2
        return pow(sdev/(len(numbers)-1),0.5)
 
def median(numbers):
    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()
m=getMean(n)
d=dev(n,m)
med = median(n)
print("平均值是{0}，方差是{1},中位数是{2}".format(m,d,med))

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：

d={“China”:”Beijing”,”France”:”Paris”}

输入

d[“China”]

结果是

’Beijing’

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

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

6.6 实例10：文本词频统计

1.Hamlet词频统计：

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))

2. 《三国演义》人物出场统计（下）（含《三国演义》原文文本）

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))