Lesson 5

v1.0.0, 2016.12 by David Yi
v1.0.1, 2017.02 modified by Yimeng Zhang
v1.1, 2020.4 edit by David Yi

本次内容要点

字典dict 用法
元组tuple 用法
思考：中文分词

字典dict 用法

字典是另一种可变容器模型，可存储任意类型对象。

字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中，格式如 d = {key1 : value1, key2 : value2 }

字典中的 key 值不可以重复（第一次定义后不能重复定义）。

字典的几个特点：

查找和插入的速度极快，不会随着key的增加而变慢；
需要占用大量的内存，内存浪费多。

而 list 相反：

查找和插入的时间随着元素的增加而增加；
占用空间小，浪费内存很少。

字典的基本操作：

创建字典
访问字典中的 key-value
修改字典中的 key-value
获得字典中指定 key 的 value
删除字典中的 key（value 也就消失了）



In [2]:

    
# 定义字典
# 访问字典中的 key-value

d = {'Tom': 95, 'Mary': 90, 'Tracy': 92}
print(d)
print(d['Tom'])









    



{'Tom': 95, 'Mary': 90, 'Tracy': 92}
95



In [3]:

    
# 字典增加元素，直接定义值即可

d['Hugo'] = 85
print(d)









    



{'Tom': 95, 'Mary': 90, 'Tracy': 92, 'Hugo': 85}



In [4]:

    
# 修改字典元素的值

d['Tom'] = 97
print(d)

# 字典是否存在某个 key
print('Tom' in d)

# 如果要获得不存在的 key 的 value，可以设置默认值
print(d.get('Tommy',80))









    



{'Tom': 97, 'Mary': 90, 'Tracy': 92, 'Hugo': 85}
True
80



In [5]:

    
# 去获得不存在的 key 的 value，会报错
print(d['Tommy'])









    



---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-5-fc52250d48ea> in <module>
      1 # 去获得不存在的 key 的 value，会报错
----> 2 print(d['Tommy'])

KeyError: 'Tommy'



In [ ]:

    
# 字典删除 key

d = {'Tom': 95, 'Mary': 90, 'Tracy': 92}
print(d)

# 删除 key
d.pop('Tom')
print(d)



In [ ]:

    
# 获得字典的长度

# 定义一个空的字典
d = {}

# 造一些字典内容
# str 函数将整数转换为字符串
for i in range(30):
    d['id_'+str(i)] = i*3
print(d)

print(len(d))

元组Tuple 用法

Tuple 也是一种有序列表，在存储数据方面和列表很相似，为了区分，我们叫它元组。 Tuple 一旦内容存储后，就不能修改；这样的好处是数据很安全。

应用范围：在我们需要使用列表功能的时候，但是又不需要改变这个列表的内容，用元组 Tuple 功能会很安全，不用担心程序中不小心修改了其内容。Python 在向函数传递多个参数的时候，就是采用元组，保证参数在被调用的过程中的安全。



In [ ]:

    
# 创建元组，用小括号

t = ('Tom', 'Jerry', 'Mary')
print(t)



In [ ]:

    
# 访问元组的元素

print(t[1])



In [ ]:

    
# 元组创建后是不能修改的

# 会报错
t.append('Someone')



In [ ]:

    
# 元组创建后是不能修改的

# 像列表一样去定义值也会报错
# 'tuple' object does not support item assignment
t[1] = 'aaa'



In [ ]:

    
# 看看 tuple 有什么方法，你会发现很少

print(dir(tuple))



In [ ]:

    
# 创建复杂一点的元组

t1  = ['A', 'B', 'C']
t2 =(t1, 100, 200)
print(t2)



In [ ]:

    
# 变通的实现"可变"元组内容

t1  = ['A', 'B', 'C']
t2 =(t1, 100, 200)
print(t1)
print(t2)

# tuple的每个元素，指向永远不变，但指向的元素本身是可变的
t1.append('D')

print(t1)
print(t2)



In [ ]:

    
# 创建只有1个元素的元组

# 下面这样是不行的
t = (1)
# l成了一个整数，因为这里的括号有歧义，被认作数学计算里的小括号
print(type(t))  

# 1个元素的元组必须加逗号来消除歧义
t = (1,)
print(type(t))
print(t)

思考

中文分词，是一个很有趣的话题，也是机器学习中关于语言处理的最基本的概念。今天我们看看 Python 怎么处理中文分词;
需要先安装 jieba 这个 Python 的库，使用 pip install jieba;
在 notebook 中执行命令可以在命令前面价格！来进行;
导入 jieba 之后，第一次运行会有一个初始化过程，稍稍产生一些影响。



In [ ]:

    
!pip install jieba



In [ ]:

    
import jieba

# 全模式
# 把句子中所有的可以称此的词语都扫描出来，速度非常快，但是不能解决歧义

seg_list = jieba.cut("今天上海的天气怎么样", cut_all = True)
print("Full Mode: " + "/ ".join(seg_list))



In [ ]:

    
# 精确模式
# 试图将句子最精确的切开，适合文本分析

seg_list = jieba.cut("明天纽约下雨么", cut_all = False)
print("Default Mode: " + "/ ".join(seg_list))



In [ ]:

    
# 默认是精确模式

seg_list = jieba.cut("现在天气怎么样")  
print(", ".join(seg_list))



In [ ]:

    
# 默认是精确模式

seg_list = jieba.cut("小明硕士毕业于中国科学院计算所，后在日本京都大学深造")  
print(", ".join(seg_list))



In [ ]:

    
# 搜索引擎模式
# 在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词    

seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都大学深造") 
print(", ".join(seg_list))



In [ ]:

    
# 看看网络上的段子，分词带来的烦恼

seg_list = jieba.cut_for_search("黑夜总会过去") 
print(", ".join(seg_list))
seg_list = jieba.cut("黑夜总会过去", cut_all = True)
print(", ".join(seg_list))



In [ ]:

    
# 默认是精确模式
seg_list = jieba.cut("2016年第一季度支付事业部交易量报表")  
print(','.join(seg_list))



In [ ]:

    
# 默认是精确模式
seg_list = jieba.cut("2016年第一季度支付事业部交易量报表")  
for i in seg_list:
    print(i)



In [ ]:

    
import jieba.posseg as pseg
words = pseg.cut("我爱北京天安门")

for word, flag in words:
    print('%s %s' % (word, flag))

词性

北大词性标注集

Ag 形语素形容词性语素。形容词代码为a，语素代码ｇ前面置以A。
a 形容词取英语形容词adjective的第1个字母。
ad 副形词直接作状语的形容词。形容词代码a和副词代码d并在一起。
an 名形词具有名词功能的形容词。形容词代码a和名词代码n并在一起。
b 区别词取汉字“别”的声母。
c 连词取英语连词conjunction的第1个字母。
Dg 副语素副词性语素。副词代码为d，语素代码ｇ前面置以D。
d 副词取adverb的第2个字母，因其第1个字母已用于形容词。
e 叹词取英语叹词exclamation的第1个字母。
f 方位词取汉字“方”的声母。
g 语素绝大多数语素都能作为合成词的“词根”，取汉字“根”的声母。
h 前接成分取英语head的第1个字母。
i 成语取英语成语idiom的第1个字母。
j 简称略语取汉字“简”的声母。
k 后接成分
l 习用语习用语尚未成为成语，有点“临时性”，取“临”的声母。
m 数词取英语numeral的第3个字母，n，u已有他用。
Ng 名语素名词性语素。名词代码为n，语素代码ｇ前面置以N。
n 名词取英语名词noun的第1个字母。
nr 人名名词代码n和“人(ren)”的声母并在一起。
ns 地名名词代码n和处所词代码s并在一起。
nt 机构团体 “团”的声母为t，名词代码n和t并在一起。
nz 其他专名 “专”的声母的第1个字母为z，名词代码n和z并在一起。
o 拟声词取英语拟声词onomatopoeia的第1个字母。
p 介词取英语介词prepositional的第1个字母。
q 量词取英语quantity的第1个字母。
r 代词取英语代词pronoun的第2个字母,因p已用于介词。
s 处所词取英语space的第1个字母。
Tg 时语素时间词性语素。时间词代码为t,在语素的代码g前面置以T。
t 时间词取英语time的第1个字母。
u 助词取英语助词auxiliary 的第2个字母,因a已用于形容词。
Vg 动语素动词性语素。动词代码为v。在语素的代码g前面置以V。
v 动词取英语动词verb的第一个字母。
vd 副动词直接作状语的动词。动词和副词的代码并在一起。
vn 名动词指具有名词功能的动词。动词和名词的代码并在一起。
w 标点符号
x 非语素字非语素字只是一个符号，字母x通常用于代表未知数、符号。
y 语气词取汉字“语”的声母。
z 状态词取汉字“状”的声母的前一个字母。

延展思考：

能够根据分词和词性的情况，做一个简单的机器人聊天软件？

彩蛋：



In [6]:

    
print('\n'.join([''.join([('YANGYANG'[(x-y)%8]if((x*0.05)**2+(y*0.1)**2-1)**3-(x*0.05)**2*(y*0.1)**3<=0 else' ')for x in range(-30,30)])for y in range(15,-15,-1)]))









    



                                                            
                                                            
                                                            
                NGYANGYAN           NGYANGYAN               
            GYANGYANGYANGYANG   GYANGYANGYANGYANG           
          NGYANGYANGYANGYANGYANGYANGYANGYANGYANGYAN         
         NGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGY        
        NGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYAN       
        GYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANG       
        YANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGY       
        ANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYA       
        NGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYAN       
        GYANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANG       
         ANGYANGYANGYANGYANGYANGYANGYANGYANGYANGYANG        
          GYANGYANGYANGYANGYANGYANGYANGYANGYANGYANG         
          YANGYANGYANGYANGYANGYANGYANGYANGYANGYANGY         
            GYANGYANGYANGYANGYANGYANGYANGYANGYANG           
             ANGYANGYANGYANGYANGYANGYANGYANGYANG            
              GYANGYANGYANGYANGYANGYANGYANGYANG             
                NGYANGYANGYANGYANGYANGYANGYAN               
                  ANGYANGYANGYANGYANGYANGYA                 
                    YANGYANGYANGYANGYANGY                   
                       YANGYANGYANGYAN                      
                          YANGYANGY                         
                             YAN                            
                              N



In [ ]: