云课堂-Python学习笔记（7）

一、字典

　　1、什么是字典

　　　　1、一系列键-值（key-value）对
　　　　2、通过“键”查找对应的“值”
　　　　3、类似纸质字典，通过单词索引表找到其对应的定义
　　　　　　C++：map、Java：HashTable or HashMap
　　　　　　例如：电话本

　　2、创建字典

　　　　使用{}创建字典

　　　　使用：指明键：值对
　　　　　　my_dict={‘John‘:86411234,‘Bob‘:24896880,‘Mike‘:354859977}

3、访问字典
使用[]运算符，键作为索引
增加一个新的对

1 my_dict={‘John‘:86411234,‘Bob‘:24896880,‘Mike‘:354859977}
2 print my_dict[‘John‘]
3 my_dict[‘Tom‘] = 9864433679
4 print my_dict

4、字典运算符和方法

1 len(my_dict):字典中键-值对的数量
2 key in my_dict:快速判断key是否为字典中的键：时间复杂度O(1)
3 等价于my_dict.has_key(key)
4 for key in my_dict:枚举字典中的键，注：键是无序的

更多方法：

1 my_dict.items()：全部键-值对
2 my_dict.keys():全部键
3 my_dict.values():全部值
4 my_dict.clear():清空字典

　　5、示例1：读取一个字符串，计算每个字母出现的个数

　　方案一：生成26个变量，代表字母出现的个数

方案二：生成具有26个元素的列表，将每个字母转化为对象的索引值

1 s = ‘abdddeyyyrewgq‘
2 lst = [0]*26
3 for i in s :
4     lst[ord(i)-97] +=1
5
6 print lst

　　方案三：生成一个字典，字母做键，对应出现的次数做值

s = raw_input()
d ={}
for i in s :
    if i in d:
        d[i] += 1
    else:
        d[i] = 1

print d

　　示例2:读取小说emma.txt，打印前10个最常见的单词

 1 f= open(‘emma.txt‘)
 2 word_freq = {}
 3 for line in f:
 4     words = line.strip().split()
 5     for word in words:
 6         if word in word_freq:
 7             word_freq[word] += 1
 8         else:
 9             word_freq[word] = 1
10
11 freq_word = []
12 for word,freq in word_freq.items():
13     freq_word.append((freq,word))
14 freq_word.sort(reverse = True)
15
16 for freq,word in freq_word[:10]:
17     print word
18 f.close()

　　示例3：翻转字典：生成一个新字典，其键为原来字典的值，值为原来字典的键

1 d1 = {‘zhang‘:123,‘wang‘:456,‘Li‘:123,‘zhao‘:456}
2 d2 = {}
3 for name,room in d1.items():
4     if room in d2:
5         d2[room].append(name)
6     else :
7         d2[room] = [name]
8 print d2

二、集合（set）　

　　1、集合：无序不重复元素集，和字典类似，但是无值
　　2、创建：
　　　　x = set()
　　　　x={key1,key2,....}
　　3、添加和删除
　　　　x.add(‘body‘
　　　　x.remove(‘body‘)
　　4、集合的运算符：
　　　　-：差集
　　　　&：交集
　　　　|：并集
　　　　！=：不等于
　　　　==：等于
　　　　in：成员
　　　　for key in set :枚举
　　5、示例：中文分词
　　　　我/爱/北京/天安门
　　　　算法：正向最大匹配
　　　　　　从左到右尽可能取长的词

 1 def load_dict(filename):
 2     word_dict = set()
 3     max_len = 1
 4     f = open(filename)
 5     for line in f:
 6         word = unicode(line.strip(),‘utf-8‘)
 7         word_dict.add(word)
 8         if len(word) > max_len:
 9             max_len = len(word)
10     return max_len,word_dict
11
12 def fmm_word_seg(sent,max_len,word_dict):
13     begin = 0
14     words = []
15     sent = unicode(sent,‘utf-8‘)
16
17     while begin < len(sent):
18         for end in range(begin + max_len,begin,-1):
19             if sent[begin:end] in word_dict:
20                 words.append(sent[begin:end])
21                 break
22             begin = end
23     return words
24 max_len,word_dict = load_dict(‘lexicon.dic‘)
25
26 sent = raw_input(‘Input a sententce:‘)
27 words = fmm_word_seg(sent,max_len,word_dict)
28 for word in words:
29     print word