组合数据类型
学习自中国大学mooc
组合数据类型
目标:
- 学会Python三种主流组合数据类型的使用方法
- 能够编写处理一组数据的程序
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
- 集合类型与数学中的集合概念一致
- 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
为什么集合类型元组不可更改,因为集合元素要求每个元素是唯一的,如果我们在更改元素的过程中出现了元素相同,就会出错。
- 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()
重点:
- 集合用大括号{}表示,元素间用逗号分割
- 集合中元素唯一,不存在相同元素
- 无序性
集合操作符
实例:
集合处理方法
循环变量,while死循环有 A.pop() 一直取元素,空时会产生异常try except捕获异常,程序退出。
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(最重要)
2.序列类型及操作(重要)
- 序列类型应用场景
序列类型定义
定义:序列是具有先后关系的一组元素(感觉像C数组)
- 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
前面的字符串类型大同小异,只不过字符串类型元素只能是字符,而序列可以是任意类型。
序列处理函数及方法
操作符
函数
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
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
这里注意,仅仅通过赋值只是将列表重复命名,此时这两个名字指向一个列表,并未创建新的列表。
列表类型操作函数和方法
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
数据保护
如果不希望数据被程序所改变,转换成元组类型
3.字典类型及操作
字典类型定义
映射
- 映射是一种键(索引)和值(数据)的对应
- 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
[ ] 用来向字典变量中索引或增加元素
{<键1>:<值1>, <键2>:<值2>, … , <键n>:<值n>}
<字典变量> = {<键1>:<值1>, … , <键n>:<值n>}
<值> = <字典变量>[<键>]
<字典变量>[<键>] = <值>
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
字典处理函数及方法
字典类型应用场景
- 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
4.jieba库的使用
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
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分词的三种模式
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
jieba库常用函数
5.文本词频统计
需求:一篇文章,出现了哪些词?哪些词出现得最多?
就找三国演义
import jieba
txt = open("D:\Python\案例\三国演义.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
it = list(counts.items())
it.sort(key=lambda x:x[1], reverse=True)
for i in range(15):
word, count = it[i]
print ("{0:<5}{1:>5}".format(word, count))
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
先下载,再通过jieba库对文章的高频词条进行了统计
码 住 夏 天
文章来源: blog.csdn.net,作者:周棋洛ყ ᥱ ᥉,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/m0_53321320/article/details/118366845
- 点赞
- 收藏
- 关注作者
评论(0)