为mooc网站的北京理工大学的 嵩天 、黄天羽 、礼欣 三位老师的课程笔记。

6 组合数据类型

6.1 集合类型及操作
6.2 序列类型及操作（元组类型、列表类型）
6.3 实例9：基本统计值计算
6.4 字典类型及操作
6.5 模块5：jieba库的使用
6.6 实例10：文本词频统计

6.1 集合类型及操作

集合类型定义；
集合操作符；
集合处理方法；
集合类型应用场景；

6.1.1 集合定义

集合是不可变数据类型，每个元素唯一，不存在相同元素，元素之间无顺序，用大括号{}表示，元素间用逗号分隔，建立集合用{}或set()，<mark>建立空集合时必须使用set()</mark>；

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，交，补

6.1.3 集合处理方法

6.1.4 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；
  ls = ["p", "p", "y", "y", 123] s = set(ls) #利用了集合无重复元素的特点 lt = list(s) #将集合转换为列表

6.2 序列类型及操作

序列类型定义；序列类型处理函数及方法；元组类型及操作；列表类型及操作；序列类型应用场景；

6.2.1 定义

1. 序列是具有先后关系的一组元素：是一维元素向量，元素类型可不同；类似数学元素；元素间由序号引导，通过小标访问序列的特定元素；
2. 序列是一个基类类型：里面有字符串类型，元组类型，列表类型；
3. 反向递减，正向递增；

6.2.2 处理函数及方法

5个函数和方法

6.2.3 元组类型及操作

• 元组是序列类型的一种扩展：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；可使用小括号或不使用小括号；
• 元组继承序列类型的全部通用操作：没有特殊操作；

6.2.4 列表类型及操作

• 列表是序列类型，创建后可随意修改；使用[]或list()创建，元素间用逗号分隔；

操作函数和方法

6.2.5 应用场景

• 数据表示：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，最常用的序列类型；表示一组有序数据；
• 元素遍历：for item in ls:;for item in tp:;
• 数据保护：不希望数据被程序所改变，转换成元组类型（tuple()）；

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

123python('python', 123)

6.3 基本数据统计值计算

需求：给出一组数，对它们有个概要理解；

• 总个数：len()
• 求和：for ... in
• 平均值：求和/总个数
• 方差：各数据与平均数差的平方的和的平均数
• 中位数：排序，求中间值

# 6.3CalStatisticsV1.py
def getNum():      #获取用户输入
    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)     #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},中位数:{}".format(m,dev(n,m),median(n)))

请输入数字（回车退出）：1
请输入数字（回车退出）：2
请输入数字（回车退出）：3
请输入数字（回车退出）：4
请输入数字（回车退出）：5
请输入数字（回车退出）：
平均值:3.0,方差:1.6,中位数:3

6.4 字典类型及操作

字典类型定义，字典处理函数及方法，字典类型应用场景

6.4.1 定义

• 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；type(x)：返回变量x的类型；

6.4.2 处理函数及方法

6.4.3 应用场景

映射的表达；表达键值对数据，进而操作它们；

6.5 jieba库介绍

6.5.1 概述

中文分词第三方库；

6.5.2 jieba分词的三种模式

• 精确模式：把文本精确的切分开，不存在冗余单词；全模式：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；
• 常用函数

6.6 实例10：文本词频统计

6.6.1 问题分析

在英文中文中，出现哪些词，出现多少次？

6.6.2 hamlet英文词频统计

• CalHamletV1.py

6.6.3 三国演义人物出场统计

• CalThreeKingdomsV1.py
• CalThreeKingdomsV2.py

# CalHamletV1.py
def getText():     #获取文本，归一化处理文本
    txt = open("E:\python\learn\hamlet.txt","r").read()   #打开文件
    txt = txt.lower()     #将所有大写字母变成小写
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_{|}~"':   #将文本中特殊符号替换为空格
        txt = txt.replace(ch," ")
    return txt
hamletTxt = getText()
words = hamletTxt.split()    #采用空格将字符串中的信息进行分隔，以列表形式返回给变量
counts = {}
for word in words:
    counts[word] = counts.get(word,0) + 1   #统计字数
items = list(counts.items())    #将字典类型转换成列表类型
items.sort(key=lambda x:x[1], reverse=True)    #对一个列表按照键值对的2个元素的第2个元素进行排序，排序方式为由大到小的倒排
for i in range(10):    #将前10位字数打印输出
    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   三国演义人物出场文本统计
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
将军          761
却说          647
玄德          569
关公          509
丞相          488
二人          465
不可          435
荆州          420
孔明曰         385
玄德曰         383
不能          383
如此          376
张飞          348

#CalThreeKingdomsV2.py   三国演义人物出场文本统计
import jieba
txt = open("E:/python/learn/threekingdoms.txt","r",encoding="utf-8").read()
excludes = {"将军","却说","荆州","二人","不可","不能","如此"}   #构建排除集合
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(15):
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word, count))

曹操         1429
孔明         1373
刘备         1223
关羽          779
张飞          348
商议          344
如何          336
主公          327
军士          310
吕布          300
左右          291
军马          288
次日          270
引兵          269
大喜          265

点赞，关注，收藏👍，➕，👀点赞，关注，收藏👍，➕，👀点赞，关注，收藏👍，➕，👀
😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘
💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪💪