import os.path
A = {"python",123,("python",123.456)}
print(A)
B = set("hahaha123")
print(B)
C = {"python",123,"python",123,456}
print(C)
{123, ('python', 123.456), 'python'}
{'a', 'h', '3', '1', '2'}
{456, 123, 'python'}
一般是四种运算：交集 并集 补集 差集
A = {"y","p",123}
B = set("pypy123") # B = {'p','y','1','2','3'}
print(A-B)
print(B-A)
print(A&B)
print(A|B)
print(A^B)
{123}
{'3', '1', '2'}
{'y', 'p'}
{'y', 'p', '3', '1', 123, '2'}
{'1', '3', 123, '2'}
KeyErrorKeyErrorA = {"p","y",123,456,'olg'}
for item in A:
print(item,end=";")
olg;y;p;456;123;
由于没有顺序，所以这个输出顺序不一定是你定义时候的顺序
try:
while True:
print(A.pop(),end=";")
except:
pass # 空语句
print(A)
olg;y;p;456;123;set()
A最后变成了一个空集合。
对于集合的赋值，仅传递引用。只有set()和花括号真正创建新的集合。
set_olg = {"哼哼",114514}
set_olggg = set_olg
print(set_olggg)
set_olggg.add(1919810)
print(set_olg)
print(set_olggg)
print("p" in {"p","y",123})
print({"p","y"} >= {"p","y",123})
True False
ls = ["p","p","y","y",123]
print(ls)
A = set(ls)
print(A)
lt = list(A)
print(lt)
['p', 'p', 'y', 'y', 123]
{123, 'y', 'p'}
[123, 'y', 'p']
ls = ["python" , 123, ".io"]
print(ls[::-1])
s = "24岁，是学生"
print(s[::-1])
['.io', 123, 'python'] 生学是，岁42
ls = ["python" , 123, ".io"]
print(len(ls))
print(max(ls)) # 不能比较会报错
3
--------------------------------------------------------------------------- TypeError Traceback (most recent call last) /var/folders/nc/rrdwnt790c13mtwryb6prjfc0000gn/T/ipykernel_68491/1349099150.py in <module> 1 ls = ["python" , 123, ".io"] 2 print(len(ls)) ----> 3 print(max(ls)) TypeError: '>' not supported between instances of 'int' and 'str'
s="24岁，是学生"
print(max(s))
，
def fun():
return 1,2,"24岁，是学生","哼哼哼啊啊啊啊啊啊啊啊"
print(fun())
creature = "cat","dog","human"
print(creature)
color = ("hehe",creature,114515,1919810,[114514,1919810])
print(color)
(1, 2, '24岁，是学生', '哼哼哼啊啊啊啊啊啊啊啊')
('cat', 'dog', 'human')
('hehe', ('cat', 'dog', 'human'), 114515, 1919810, [114514, 1919810])
print(creature[::-1])
print(color[-4][-2])
('human', 'dog', 'cat')
dog
<class 'range'>
ls = ["a","哼","aaaa",114514]
print(ls)
lt = ls
lt[2] = "bbbb"
print(lt)
print(ls)
['a', '哼', 'aaaa', 114514] ['a', '哼', 'bbbb', 114514] ['a', '哼', 'bbbb', 114514]
关于操作符：
ls = ["a","哼","aaaa",114514]
ls[1:2] = [1,1,4,5,1,4]
print(ls)
del ls[::3]
print(ls)
ls*=2
print(ls)
['a', 1, 1, 4, 5, 1, 4, 'aaaa', 114514] [1, 1, 5, 1, 'aaaa', 114514] [1, 1, 5, 1, 'aaaa', 114514, 1, 1, 5, 1, 'aaaa', 114514]
关于方法：
ls = ["a","哼","aaaa",114514]
ls.append(1234)
print(ls)
ls.insert(2,"1919810")
print(ls)
ls.reverse()
print(ls)
['a', '哼', 'aaaa', 114514, 1234] ['a', '哼', '1919810', 'aaaa', 114514, 1234] [1234, 114514, 'aaaa', '1919810', '哼', 'a']
lt = list()
lt += [1,2,3,4,5]
lt[2]=114514
lt.insert(2,"olg")
del lt[1]
del lt[1:4]
0 in lt
lt.append(0)
lt.index(0)
len(lt)
max(lt)
lt.clear()
ls = ["a","哼","aaaa",114514]
lt = tuple(ls)
print(lt)
('a', '哼', 'aaaa', 114514)
这样可以实现保护数据不被别人修改。
如果给定一组数据，想对它有个概要的理解，那么应该怎么做？
总个数、求和、平方、方差、中位数等统计值。
len() for ...in 等内容即可完成对应计算。
# 获取用户输入的数据，输入回车表示输入完毕
def getNum():
nums = []
user_input = input("请输入一个数字，按回车键退出")
while user_input!="":
nums.append(eval(user_input))
user_input = input("请继续输入一个数字，按回车键退出")
return nums
# 求和
def sum(nums):
s = 0
for i in nums:
s += i
return s
# 求平均值
def mean(nums):
s = sum(nums)
return s/len(nums)
# 求方差
def dev(nums,mean):
sdev = 0
for i in nums:
sdev += (i-mean)**2
return sdev/len(nums)
# 计算中位数
# 需要对列表进行排序
def median(nums):
# 首先对于nums进行排序，使用sorted函数
sorted(nums)
# 之后判断个数是奇数还是偶数
if len(nums)%2==0:
# 偶数，中间两个数的平均值
return (nums[len(nums)//2]+nums[len(nums)//2-1])/2
else:
# 中间这个数
return nums[len(nums)//2]
n = getNum()
sum_num = sum(n)
mean_num = mean(n)
dev_num = dev(n,mean_num)
median_num = median(n)
print("求和{:.2f} , 平均数{:.2f} , 方差{:.2f} , 中位数{:.2f}".format(sum_num,mean_num,dev_num,median_num))
求和28.00 , 平均数3.50 , 方差5.25 , 中位数3.50
d = {"中国":"北京","美国":"圣地亚哥","法国":"巴黎"}
print(d)
print(d["中国"])
{'中国': '北京', '美国': '圣地亚哥', '法国': '巴黎'}
北京
de = {}
print(type(de))
de = dict()
print(type(de))
<class 'dict'> <class 'dict'>
d = {"中国":"北京","美国":"圣地亚哥","法国":"巴黎"}
print("中国" in d)
print(d.keys())
print(list(d.keys()))
print(d.values())
print(list(d.values()))
print(d.items())
print(list(d.items()))
True
dict_keys(['中国', '美国', '法国'])
['中国', '美国', '法国']
dict_values(['北京', '圣地亚哥', '巴黎'])
['北京', '圣地亚哥', '巴黎']
dict_items([('中国', '北京'), ('美国', '圣地亚哥'), ('法国', '巴黎')])
[('中国', '北京'), ('美国', '圣地亚哥'), ('法国', '巴黎')]
其他方法：
d = {"中国":"北京","美国":"圣地亚哥","法国":"巴黎"}
print(d.get("中国","未找到"))
print(d.get("你好","未找到"))
print(d.popitem())
print(d)
北京
未找到
('法国', '巴黎')
{'中国': '北京', '美国': '圣地亚哥'}
可以使用list()或者set()或者tuple()完成对应操作，生成列表或者集合或者元组。
如果本身函数返回元组，那么就集合/列表/元组嵌套元组，转换非常灵活。
d = {"中国":"北京","美国":"圣地亚哥","法国":"巴黎"}
print(set(d))
print(set(d.keys()))
print(set(d.values()))
print(set(d.items()))
{'美国', '法国', '中国'}
{'美国', '法国', '中国'}
{'北京', '巴黎', '圣地亚哥'}
{('法国', '巴黎'), ('中国', '北京'), ('美国', '圣地亚哥')}
d = {"中国":"北京","美国":"圣地亚哥","法国":"巴黎"}
print(tuple(d))
print(tuple(d.keys()))
print(tuple(d.values()))
print(tuple(d.items()))
('中国', '美国', '法国')
('中国', '美国', '法国')
('北京', '圣地亚哥', '巴黎')
(('中国', '北京'), ('美国', '圣地亚哥'), ('法国', '巴黎'))
d = {}
d["中国"] = "北京"
d["美国"] = "圣地亚哥"
print(d)
d["美国"] = "华盛顿"
print(d)
print("美国" in d)
print(len(d))
d.clear()
print(d)
m = set()
print(m)
{'中国': '北京', '美国': '圣地亚哥'}
{'中国': '北京', '美国': '华盛顿'}
True
2
{}
set()
常用函数：
import jieba
s = "虽然刘海屏看起来不顺眼，但是对我来说，新款MacBook Pro确实很适合我，于是想着能不能先去线下店体验一下再进行下单。谁知，突然赶上了疫情，出去变得十分困难。同时了解到线下店只能买到最低配，而我的需求是32GB的内存和1TB左右的存储。线下店显然不能够满足我的需求，于是决定进行官网的购买。"
print(jieba.lcut(s))
print(jieba.lcut(s,cut_all=True))
print(jieba.lcut_for_search(s))
p = "中华人民共和国"
print(jieba._lcut_for_search(p))
['虽然', '刘海', '屏', '看起来', '不', '顺眼', '，', '但是', '对', '我', '来说', '，', '新款', 'MacBook', ' ', 'Pro', '确实', '很', '适合', '我', '，', '于是', '想着', '能', '不能', '先', '去', '线下', '店', '体验', '一下', '再', '进行', '下单', '。', '谁知', '，', '突然', '赶上', '了', '疫情', '，', '出去', '变得', '十分困难', '。', '同时', '了解', '到', '线下', '店', '只能', '买', '到', '最低', '配', '，', '而', '我', '的', '需求', '是', '32GB', '的', '内存', '和', '1TB', '左右', '的', '存储', '。', '线下', '店', '显然', '不', '能够', '满足', '我', '的', '需求', '，', '于是', '决定', '进行', '官网', '的', '购买', '。'] ['虽然', '刘海', '屏', '看起', '看起来', '起来', '不顺', '顺眼', '，', '但是', '对', '我', '来说', '，', '新款', 'MacBook', '', ' ', '', 'Pro', '确实', '很', '适合', '我', '，', '于是', '想着', '能', '不能', '先去', '线下', '下店', '体验', '一下', '再', '进行', '下单', '。', '谁知', '，', '突然', '赶上', '了', '疫情', '，', '出去', '变得', '十分', '十分困难', '困难', '。', '同时', '了解', '到', '线下', '下店', '只能', '买到', '最低', '配', '，', '而', '我', '的', '需求', '是', '32GB', '的', '内存', '和', '1TB', '左右', '的', '存储', '。', '线下', '下店', '显然', '不能', '能够', '满足', '我', '的', '需求', '，', '于是', '决定', '进行', '官', '网', '的', '购买', '。'] ['虽然', '刘海', '屏', '看起', '起来', '看起来', '不', '顺眼', '，', '但是', '对', '我', '来说', '，', '新款', 'MacBook', ' ', 'Pro', '确实', '很', '适合', '我', '，', '于是', '想着', '能', '不能', '先', '去', '线下', '店', '体验', '一下', '再', '进行', '下单', '。', '谁知', '，', '突然', '赶上', '了', '疫情', '，', '出去', '变得', '十分', '困难', '十分困难', '。', '同时', '了解', '到', '线下', '店', '只能', '买', '到', '最低', '配', '，', '而', '我', '的', '需求', '是', '32GB', '的', '内存', '和', '1TB', '左右', '的', '存储', '。', '线下', '店', '显然', '不', '能够', '满足', '我', '的', '需求', '，', '于是', '决定', '进行', '官网', '的', '购买', '。'] ['中华', '华人', '人民', '共和', '共和国', '中华人民共和国']
# 数据预处理
def getText():
txt = open("/Users/caiguu/PycharmProjects/pythonLearn/hamlet.txt","r").read()
txt = txt.lower() # 防止大小写造成干扰
# 用空格消除掉特殊符号
for ch in '|"$%&()*+,-./:;<=>?@[\\]^_{}!~':
txt.replace(ch," ")
return txt
hamlet = getText()
words = hamlet.split() # 用空格分隔，形成列表
# 使用字典来进行词频统计
counts = {}
for word in words:
# 如果有，原数值+1
# 如果没有，0+1
# 然后赋值给counts[word]
counts[word] = counts.get(word,0) + 1
# 转换为列表 每个键值对是一个元组，即列表中有好多元组
items = list(counts.items())
# 从大到小，按键值对第二个元素排序
# key指定排序方式，这里使用lambda函数，取得第二个元素，即值来代表整个键值对的值
# reverse为True表示从大到小排序
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))
the 1137 and 936 to 728 of 664 a 527 i 513 my 513 in 423 you 405 hamlet 401
# 拓展：使用lambda函数进行第二个元素完成排序
f = lambda y:y[1]
d= [(1,114514),(2,1919810),(3,114),(4,514),(5,24)]
d.sort(key=f)
print(d)
[(5, 24), (3, 114), (4, 514), (1, 114514), (2, 1919810)]
txt = open("/Users/caiguu/PycharmProjects/pythonLearn/threekingdoms.txt","r",encoding="utf-8").read()
words = jieba.lcut(txt) # 列表
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=f,reverse=True)
for i in range(15):
word , count = items[i]
print("{0:<10}{1:>5}".format(word,count))
曹操 953 孔明 836 将军 772 却说 656 玄德 585 关公 510 丞相 491 二人 469 不可 440 荆州 425 玄德曰 390 孔明曰 390 不能 384 如此 378 张飞 358
现在已经完成了基本的单词词频分析，但是距离人物出场次数统计还差一点。下面改造这段代码，以满足需求。
问题：人物有不止一个的名称、孔明和孔明曰其实是一个人、二人这种词需要被排除掉
txt = open("/Users/caiguu/PycharmProjects/pythonLearn/threekingdoms.txt","r",encoding="utf-8").read()
# 构造一个排除词库
excludes = {"将军","二人","却说","不可","不能","如此","商议","如何","荆州","左右","引兵"}
words = jieba.lcut(txt) # 列表
counts = {}
# 加入特殊条件判断的词频统计
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
# 使用del运算符，删除掉excludes中的内容
for ex in excludes:
del counts[ex]
# 转换为列表，排序输出
items = list(counts.items())
items.sort(key=f,reverse=True)
for i in range(15):
word , count = items[i]
print("{0:<10}{1:>5}".format(word,count))
曹操 1451 孔明 1383 刘备 1252 关羽 784 张飞 358 主公 331 军士 317 吕布 300 军马 293 赵云 278 次日 271 大喜 268 孙权 264 天下 255 东吴 251
一直增加排除词库，最终能得到最终结果。
以后还可以接触到词云。