组合数据类型
一、集合类型及操作
1.集合类型定义
不能存在相同元素，要求不能存在可变数据类型的元素，且元素无序存在；
可以使用set函数生成集合；
集合表示 {123，”python”，（x,y）} 其中（）表示元组；
2.集合操作符
S | T 返回一个新集合，包括在集合S和T中的所有元素 （并）
S - T 返回一个新集合，包括在集合S但不在T中的元素 （差）
S & T 返回一个新集合，包括同时在集合S和T中的元素 （交）
S ^ T 返回一个新集合，包括集合S和T中的非相同元素 （补）
S <= T或S < T 返回True/Flase, 判断S和T的子集关系
S >= T或S > T 返回True/Flase, 判断S和T的包含关系
增强操作符：
S |= T 更新集合S，包括在集合S和T中的所有元素
S -= T 更新集合S，包括在集合S但不在T中的元素
S &= T 更新集合S，包括同时在集合S和T中的元素
S ^= T 更新集合S，包括集合S和T中的非相同元素
3.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x在集合S中，返回True
X not in S ……
Set(x) 将其他类型变量转变为集合
注：for in和 while 都可以遍历组合数据类型
4.集合类型应用场景
数据去重：集合类型中元素不重复; eg:
ls = [‘’p’’, ”p”, ”y”, “y”, 123 ] # ls为列表
s = set(ls) #将列表ls转变为集合s，且利用集合无重复元素的特点
{‘p’, ‘y’, 123}
二、序列类型及操作
序列是具有先后关系的一组元素，是一个基类类型；
序列类型的衍生：字符串类型，元组类型，列表类型；
2.序列处理函数及方法
通用操作符：
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
s*n或 n*s 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
函数和方法：
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
3.元组类型及操作
使用小括号 () 或 tuple() 创建，一旦创建就不能被修改，因此没有特殊操作；元组继承了序列类型的全部通用操作；
4.列表类型及操作
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；
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
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
5.序列类型应用场景
数据表示：元组 和 列表；
元素遍历：for item in ls : 语句块
数据保护
三、实例9：基本统计值计算
#CalStatisticsV1.py 基本统计值计算
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 - 获取多数据输入
def mean(numbers): #计算平均值
s = 0.0 - 通过函数分隔功能
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: - 获取多数据输入
med = (numbers[size//2-1] + numbers[size//2])/2
else: - 通过函数分隔功能
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)))
四、字典类型及操作
- 字典类型是“映射”的体现；映射是一种键(索引)和值(数据)的对应；
采用大括号{}和dict()创建；
<字典变量> = {<键1>:<值1>, … , <键n>:<值n>}
<值> = <字典变量>[<键>]
<字典变量>[<键>] = <值>
2.字典处理函数及方法
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，如果在返回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中所有的键值对信息
d.get(k, <default>) 键k存在，则返回相应值，不在则返回<default>值
d.pop(k, <default>) 键k存在，则取出相应值，不在则返回<default>值
d.popitem() 随机从字典d中取出一个键值对，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
3.字典类型应用场景
映射的表达；元素遍历；
五、模块5：jieba库的使用
jieba.lcut(s) 精确模式，返回一个列表类型的分词结果>>>jieba.lcut("中国是一个伟大的国家")
[‘中国‘, ‘是‘, ‘一个‘, ‘伟大‘, ‘的‘, ‘国家‘]
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("中国是一个伟大的国家",cut_all=True)
[‘中国‘, ‘国是‘, ‘一个‘, ‘伟大‘, ‘的‘, ‘国家‘]
jieba.lcut_for_seach(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.lcut_for_search(“中华人民共和国是伟大的")
[‘中华‘, ‘华人‘, ‘人民‘, ‘共和‘, ‘共和国‘, ‘中华人民共和国‘, ‘是‘, ‘伟大‘, ‘的‘]
jieba.add_word(w) 向分词词典增加新词w>>>jieba.add_word("蟒蛇语言")
六、实例10：文本词频统计
#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 = {} - 文本去噪及归一化
for word in words:
counts[word] = counts.get(word,0) + 1 -使用字典表达词频
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))
原文：https://www.cnblogs.com/daisy-xy/p/11749132.html