主要参考来源：慕课嵩天老师的“Python语言程序设计”[https://www.icourse163.org/course/BIT-268001?tid=1468130447]
6.1集合类型及操作
集合类型定义
集合是多个元素的无序组合：
集合类型和数学的集合概念一致
集合元素之间无序，每个元素唯一，不存在相同元素
集合元素不可更改，不能是可变数据类型
集合用大括号{}表示，元素间用逗号分隔
建立集合类型用{}或set()
建立空集合类型，必须使用set()
集合操作符
集合间操作
6个操作符+4个增强操作符
| 操作符及应用 | 描述 |
|---|---|
| S|T | 并，返回一个新集合，包括在集合S和T中的所有元素 |
| S-T | 差，返回一个新集合，包括在集合S但不在T中的元素 |
| S&T | 交，返回一个新集合，包括同时在集合S和T中的元素 |
| S^T | 补，返回一个新集合，包括集合S和T中的非相同元素 |
| S<=T或S<T | 返回True/False，判断S和T的子集关系 |
| S>=T或S>T | 返回True/False，判断S和T的包含关系 |
| S|=T | 并，更新集合S，包括在集合S和T中的所有元素 |
| S-=T | 差，更新集合S，包括在集合S但不在T中的元素 |
| S&=T | 交，更新集合S，包括同时在集合S和T中的元素 |
| S^=T | 补，更新集合S，包括集合S和T中的非相同元素 |
集合处理方法
| 操作函数或方法 | 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() | 移除S中所有元素 |
| S.pop() | 随机返回S的一个元素，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S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S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 |
集合类型应用场景
包含关系比较
数据去重：集合类型所有元素无重复
6.2序列类型及操作（元组类型、列表类型）
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
衍生出字符串类型、元组类型、列表类型
序号的定义
正向递增、反向递减
序列处理函数及方法
序列类型通用操作符
| 操作符及应用 | 描述 |
|---|---|
| x in s | 如果x是序列s的元素，返回True，否则返回False |
| x not in s | 如果x是序列s的元素，返回False，否则返回True |
| s+t | 连接两个序列s和t |
| sn或ns | 将序列s复制n次 |
| s[i] | 索引，返回s中的第i个元素，i是序列的序号 |
| s[i:j]或s[i:j:k] | 切片，返回序列s中第i到j以k为步长的元素子序列 |
操作实例：
序列类型通用函数和方法
| 函数和方法 | 描述 |
|---|---|
| len(s) | 返回序列s的长度，即元素个数 |
| min(s) | 返回序列s的最小元素，s中元素需要可比较 |
| max(s) | 返回序列s的最大元素，s中元素需要可比较 |
| s.index(x)或s.index(x,i,j) | 返回序列s从i开始到j位置中第一次出现元素x的位置 |
| s.count(x) | 返回序列s中出现x的总次数 |
操作实例：
元组类型及操作
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
可以使用或不使用小括号
元组类型定义举例：
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
操作实例：
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，创建后可以随意被更改
使用方括号[]或list()创建，元素间用逗号，分隔
列表中各元素类型可以不同，无长度限制
列表类型定义实例：
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 |
| ls*=n | 更新列表ls，其元素重复n次 |
| 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 |
列表类型操作实例：
列表功能：
| 功能 | 代码 |
|---|---|
| 定义空列表lt | lt=[] |
| 向lt新增第5个元素 | lt+=[1,2,3,4,5] |
| 修改lt中第2个元素 | lt[2]=6 |
| 向lt中第2个位置增加一个元素 | lt.insert(2,7) |
| 从lt中第1个位置删除一个元素 | del lt[1] |
| 删除lt中第1-3位置元素 | del lt[1:4] |
| 判断lt中是否包含数字0 | 0 in lt |
| 向lt新增数字0 | lt.append(0) |
| 返回数字0所在lt中的索引 | lt.index(0) |
| lt的长度 | len(lt) |
| lt中最大长度 | max(lt) |
| 清空lt | lt.clear() |
序列类型应用场景
数据表示：元组和列表
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
元素遍历
for ... in ...
数据保护
如果不希望数据被程序所改变，转换成元组类型
lt = tuple(ls)
6.3实例9：基本统计值计算
“基本统计值计算”问题分析
基本统计值
总个数、求和、平均值、方差、中位数……
“基本统计值计算”实例讲解
#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()
m = mean(n)
print("平均值:{},方差:{},中位数:{}.".format(m,dev(n,m),median(n)))
“基本统计值计算”举一反三
技术能力扩展
获取多个数据：从控制台获取多个不确定数据的方法
分隔多个函数：模块化设计方法
充分利用函数：充分利用Python提供的内置函数
6.4字典类型及操作
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
序列类型由0..N整数作为数据的默认索引，映射类型则由用户为数据定义索引
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
采用大括号{}和dict()创建，键值对用冒号：表示
在字典变量中，通过键获得值
字典处理函数及方法
| 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，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() | 返回字典中d所有的键值对信息 |
| d.get(k, |
键k存在，则返回相应值，不在则返回 |
| d.pop(k, |
键k存在，则取出相应值，不在则返回 |
| d.popitem() | 随机从字典d取出一个键值对，以元组形式返回 |
| d.clear() | 删除所有的键值对 |
| len(d) | 返回字典d中元素的个数 |
| 字典功能 | 描述 |
|---|---|
| 定义空字典d | d={} |
| 向d新增2个键值对元素 | d["a"]=1;d["b"]=2 |
| 修改第2个元素 | d["b"]=3 |
| 判断字符"c"是否是d的键 | "c" in d |
| 计算d的长度 | len(d) |
| 清空d | d.clear() |
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
元素遍历
6.5模块5：jieba库的使用
jieba库基本介绍
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
jieba是优秀的中文分词第三方库，需要额外安装
jieba库提供三种分词模式，最简单只需掌握一个函数
jieba库的安装
(cmd命令行) pip install jieba
jieba分词依靠中文词库
利用一个中文词库，确定中文字符之间的关联概率
中文字符间概率大的组成词组，形成分词结果
除了分词，用户还可以添加自定义的词组
jieba库使用说明
精确模式、全模式、搜索引擎模式
精确模式：把文本精确的切分开，不存在冗余单词
全模式：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
| 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分词结果，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
“文本词频统计”问题分析
文本词频统计
英文文本：Hamlet 分析词频
https://python123.io/resources/pye/hamlet.txt
中文文本：《三国演义》 分析人物
https://python123.io/resources/pye/threekingdoms.txt
###“Hamlet英文词频统计”实例讲解
文本去噪及归一化；使用字典表达词频
#CalHamletV1.py
def getText():
txt = open("hamlet.txt","r").read()
txt = txt.lower()
for ch in '!"#$%&()*+,-./:;>=<?@[\\]^_{|}·~''':
txt = txt.replace(ch," ")
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) #按照键值对第二个元素大小排序，reverse=True情况下是从大到小
for i in range(10):
word,count = items[i]
print("{0:<10}{1:>5}".format(word,count))
“《三国演义》人物出场统计”实例讲解
从词频统计到人物统计
#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))
#CalThreeKingdomsV2.py
import jieba
txt = open("threekingdoms.txt","r",encoding="utf-8").read()
excludes = {"将军","却说","荆州","二人","不可","不可","不能","如此"}
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))
“文本词频统计”举一反三
中文文本分词
使用字典表达词频
扩展程序解决问题，可根据结果进一步优化
应用问题的扩展
《红楼梦》等其他名著、政府工作报告、科研论文、新闻报道、词云等等