集合
集合类型的定义
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
-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()
例如:
A={“python”,123,(“python”,123)} ->{123,‘python’,(‘python’,123)}
B=set(“python”) ->{‘1’,‘p’,‘2’,‘3’,‘y’}
集合操作符
集合处理方法
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() 随机取出S的一个元素返回给用户,并删除这个元素,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False,否则返回True
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
-数据包含关系比较
例:“p” in {“p”,“y”,123} 结果为True
-数据去重:集合类型所有元素无重复
例如:
ls=["p","p","y","y",123]
s=set(ls)
>>>{'p','y',123}
序列
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,S2…,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(基本数据类型)
序列处理函数及方法
ls=["python",123,".io"]
ls[::-1]
>>>['.io',123,'python']
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
例如:return 1,2 系统默认返回元组类型
-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
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
列表元素从0开始索引
ls[0]=“cat”
删除ls中第1-3位置元素:del ls[1:4]
函数: sorted(ls) 对列表进行排序
序列类型应用场景
-元组应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 item in ls:
…<语句块>
数据保护
-如果不希望数据被程序所改变,则转换成元组类型
字典类型及操作dict
字典类型定义
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
{<键1>:<值1>,<键2>:<值2>,…,<键n>:<值n>}
d={"中国":"北京","美国":"华盛顿"}
print(d["中国"])
>>>北京
字典处理函数及方法
pop函数运行时取出并删除元素
d={}
d["a"]=1
d["b"]=2
print(d)
>>>['a':1,'b':2]
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
jieba库的使用
jieba库概述
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库提供三种分词模式,最简单只需掌握一个函数
jieba分词依靠中文词库
-利用一个中文词库,确定汉字之间的关联概率
-汉字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
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:在精确模式的基础上,对长词再次切分