python语言程序设计（MOOC 嵩天）第六章 学习笔记（0221）
第六章 组合数据类型
前课复习
数据类型及操作：
整数类型的无限范围及四种进制表示
浮点数类型的近似无限范围、小尾数及科学记数法
二元操作符、二元增强赋值操作符
系列函数
字符串类型及操作：
递增递减与索引切片
操作符及函数
程序的分支结构：
单分支 if 二分支 if-else 及紧凑形式
多分支 if-elif-else 及条件之间的关系
分支中条件判断的相关操作符
异常处理 try-except-else-finally
程序的循环：
for in 的遍历循环
while 的无限循环
continue 和break 保留字
循环 else 的高级用法
函数的定义和使用：
def 定义函数 lamba定义匿名函数
可选参数-赋初值、可变参数- *b、名称传递
return 返回任意多个结果
global 声明全局变量
代码复用和函数递归：
模块化设计的松耦合、紧耦合
函数递归的基例和链条
函数递归的实现-- 函数+分支结构
6.1 集合类型及操作
6.1.1集合类型定义
集合是多个元素的无序组合
集合定义与数学一致
集合元素之间无序且唯一
集合元素不可更改，不能为可变数据类型
集合用 {} 表示，元素之间用逗号分隔
建立集合类型使用 {} 或 set {}
建立空集合必须使用 set {}
6.1.2 集合操作符
六个基本操作符：
S | T 并，返回新集合，包括在集合S、集合T中所有元素
S - T 减，返回新集合，包括在集合S但不在集合T的所有元素
S & T 交，返回新集合，包括同时在集合S、集合T中的元素
S ^ T 补，返回新集合，包括集合S、集合T中的非相同元素
S < 或 <= T，返回True or False ，判断S是否为T的子集
S > 或 >= T，返回True or False ，判断S是否包含T
增强赋值操作符：
S |= T 并，更新集合S，包括在集合S、集合T中所有元素
S -= T 减，更新集合S，包括在集合S但不在集合T的所有元素
S &= T 交，更新集合S，包括同时在集合S、集合T中的元素
S ^= T 补，更新集合S，包括集合S、集合T中的非相同元素
6.1.3 集合的处理方法
S.add(x) 在集合S中加入元素x，若x已经存在不报错
S.discard(x) 在集合S中删除元素x，若本没有x不报错
S.remove(x) 在集合S中删除元素x，若本没有x报错Key Error
S.clear() 移除S中所有元素
S.pop()在S中随机取出并删除一个元素，若S本为空则Key Error
S.copy 返回一个S集合的副本
len(s) 返回集合S元素的个数
x in S 判断元素x是否在集合S中，返回True or False
x not in S 判断元素x是否不在集合S中，返回True or False
set(x) 将未知类型的x转变为集合类型
eg：执行pop函数，不断取出元素直至空，error时执行pass
try:
while True:
print (A.pop(),end="")
except:
pass
6.1.4 集合类型应用类型
包含关系、数据去重
6.2 序列类型及操作
元组、列表
6.2.1 序列类型定义
序列是具有先后顺序的一组元素
序列是一维元素向量，内部元素可以相同，元素类型可以不同
#类似数学元素序列
元素间由序号进行引导，可以通过下标访问序列的特定元素
序列类型是一个基类类型：字符串、元组、列表
在序列类型中，元素存在正向递增、反向递减的序号索引关系
6.2.2 序列处理函数及方法
六个操作符：
x in s : 若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 or ns : 将序列s复制n次
s [j] : 索引，返回序列s中的第i个元素
s [i:j] or 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
函数和方法：
len(s) ：返回序列s的长度
min(s) : 返回序列s中的最小元素，前提是元素可比较
max(s) ：返回序列s中的最小元素，前提是元素可比较
s.index(x) or s.index(x;i;j) ：返回s中从i到j位置第一次出现x的位置
s.count(x) :返回序列s中出现元素x的次数
6.2.3 元组类型及操作
元组是序列类型的一种扩展，一旦创建就不能修改
使用（）或 tuple（）创建，元素间逗号分隔
元组类型将元素进行有序排列，使用括号进行组织
元组类型继承了序列类型的所有通用操作
元组类型创建后无法修改，因此没有特殊操作
6.2.4 列表类型及操作
元组是序列类型的一种扩展，创建后可以随意修改
使用 [] 或 list（）真正创建列表，元素间逗号分隔
#使用 = 赋值，给列表起一个第二名称，两个名称指向同一列表
列表中各元素类型可以不同，且没有长度限制
基本操作：
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中元素增加到列表ls中
ls *= n：更新列表ls，将其中元素重复n次
加强函数操作：
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中第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
6.2.5 序列类型应用场景
数据表示
元组：用于数据不改变的场景，更多用于固定搭配场景
#如：return
列表：最常用的序列类型
列表遍历：
for item in ls:
<语句块>
元组遍历：
for item in tp:
<语句块>
#使用元组对某个数据进行保护
#程序之间的接口由元组类型的数据进行传递
6.3 基本统计值计算
获取多个数据：从控制台获取多个不确定数据
分隔多个函数：模块化设计
充分利用函数：充分使用python的内置函数
原文代码：
#获得输入
def getNum():
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
#计算平均值
def mean(numbers):
s =0.0
for num in numbers:
s = s + num
return s/len(numbers)
#计算方差
def dev(numbers,mean):
sdev = 0.0
for num in numbers:
sdev = sdev + (num - mean)**2
return pow(sdev/(len(numbers)-1),0.5)
#计算中位数,//整数除法
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 = mean(n)
print("平均值:{},方差:{:.2},中位数:{}.".format(m,dev(n,m),median(n)))
存在问题：
问题1：计算方差时，对len（numbers）进行-1操作
关于方差的定义存在问题，关键差异在于总体和标准
问题2：计算中位数，sorted返回新的列表，没有对numbers进行修改，所以求取中位数时使用的旧版本numbers
修改后：
#获得输入
def getNum():
nums = [] #定义一个空列表，以保存输入
iNumStr = input("请输入数字（回车退出）：")
while iNumStr != "": #只要获得输入数字，执行循环
nums.append(eval(iNumStr)) #将输入添加到列表内
iNumStr = input("请输入数字（回车退出）：")
return nums
#计算平均值
def mean(numbers):
s =0.0
for num in numbers:
s = s + num
return s/len(numbers)
#计算方差
def dev(numbers,mean):
sdev = 0.0
for num in numbers:
sdev = sdev + (num - mean)**2 #与平均数之差的平方累和
return pow(sdev/len(numbers),0.5) #开平方
#计算中位数,//整数除法
def median(numbers):
numbers.sort() #对numbers进行排序
size = len(numbers)
if size % 2 ==0: #偶数个数据
med =(numbers[size//2-1]+numbers[size//2])/2
else: #奇数个数据
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)))
#格式化输出
6.4 字典类型及操作
6.4.1 字典类型的定义
映射是一种键-索引和值-数据之间的对应关系
序列类型由0~N的整数作为数据的默认索引
映射类型由用户为数据定义索引
字典类型是数组组织与表达的新型态
字典类型是映射的体现：
键值对：键是数据索引的扩展
字典：键值对的集合，键值对之间无序
字典：{} or dict() 创建，键值对用冒号表示，元素之间逗号分隔
6.4.2 字典类型操作函数及处理方法
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，在则返回True，否则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d中所有键值对信息
d.get(k,)：键k存在，则返回相应值，不在则返回default
d.pop(k,)：键k存在，则取出相应值，不在则返回default
d.popitem()：随机从字典中取出一个键值对，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
6.4.3 字典类型的应用场景
映射的表达：如数据统计
最主要作用：表达键值对数据，进而操作
根据键对字典进行遍历：for k in d~
6.5 jieba库的使用
6.5.1 jieba库的基本介绍
jieba：优秀的中文分词第三方库
通过中文词库进行识别分词
计算汉字之间构成词语的关联概率
6.5.2 jieba库的使用说明
精确模式：把文本精确的切分开，不存在冗余单词（常用）
全模式：把文本中所有可能的词语都扫描出来，存在冗余
搜索引擎模式：在精确模式下，对长词再次分割
jieba.lcuts(s)：精确模式下，返回一个列表类型的分词结果
jieba.lcuts(s,cut_all=True)：全模式，返回列表类型结果(冗余)
jieba.lcut_for_search(s)：搜索引擎模式，返回列表结果(冗余)
jieba.add_word(w)：向字典中增加新词w
6.6 文本词频统计
6.6.1 英文–Hamlet词频统计
（1）英文文本分词程序
#CalHamletV1.py
#获得归一化文本
def getText():
txt = open("hamlet.text","r").read() #打开并读取文件
txt = txt.lower() #将所有字母变为小写
for ch in '!"#$&()*+,-./:;<=>?@[\\]^_{|}`~':
txt = txt.replace(ch," ") #遇到特殊符号，用空格替代
return txt
hamlet = getText()
words = hamletTxt.split() #根据空格切割为列表格式
counts = {} #建立空词典
for word in words: #如果键word在词典中，则get值并赋值+1
counts[word] = counts.get(word,0)+1 #如果键word不在词典中，则返回0并赋值+1
items = list(counts.items()) #将所有键值对取出并以列表格式保存
items.sort(key=lambda x:x[1],reverse=True) #按照第二位，大到小排序
for i in range(10): #输出次数最多的前10位
word,count = item[i]
print("{0:<10}{1:>5}".format(word,count)) #格式化输出
（2）中文文本分词程序
#CalThreeKingdomsV1
import jieba
txt = open("threekingdoms.txt","r",encoding="utf-8").read()
excludes = {"将军","却说","荆州","二人","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" #三者都视为孔明
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 == "丞相曰":
rword = "曹操"
else:
rword = word
counts[word] = counts.get(word,0)+1
for word in excludes: #遇到excludes中的元素，删除这个键
del counts[word]
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
for i in range(10):
word,count = item[i]
print("{0:<10}{1:>5}".format(word,count))