python复合型数据类型

⑴ 人生苦短我用python，Python基本数据类型（二）

Python基本数据类型包括以下几种：

1. List：

   • 描述：Python中使用最频繁的数据类型，支持字符、数字、字符串，甚至可以包含列表。
   • 标识：用[]标识。
   • 操作：支持索引、切片、复制等操作，可以通过[头下标:尾下标]截取列表，索引从0开始，从右到左索引从1开始。
   • 特点：列表是Python最通用的复合数据类型。

2. 元组：

   • 描述：类似于列表的数据类型，但元素不能二次赋值，相当于只读列表。
   • 标识：用标识。
   • 操作：支持索引、切片，可以使用+和*进行组合和复制运算，运算后会生成新的元组。
   • 特点：由于元组不可变，所以代码更安全，如果可能，尽量用元组代替列表。

3. 集合：

   • 描述：一个无序不重复元素的序列，用于成员关系测试和删除重复元素。
   • 创建：使用大括号{}或set函数创建，注意空集合必须用set。
   • 运算：支持交集、并集、差集、补集等集合运算。

4. 字典：

   • 描述：除列表以外Python中最灵活的内置数据结构类型，无序的对象集合。
   • 组成：由键和对应的值组成，键必须独一无二且不可变，值则不必。
   • 创建：可以使用大括号包裹的键值对集合、dict函数、关键字参数、fromkeys方法等方式创建。
   • 方法：常用方法包括keys、values、clear、get、pop、update等。

以上是Python基本数据类型的详细解答。

⑵ Python通过数据多少进行分类(python分几类)

导读：本篇文章首席CTO笔记来给大家介绍有关Python通过数据多少进行分类的相关内容，希望对大家有所帮助，一起来看看吧。

数据类型是每种编程语言必备的属性，只有给数据赋予明确的数据类型，计算机才能对数据进行处理运算，因此，使用正确的数据类型是十分有必要的，以下是Python编程常用的数据类型：

一、数字型

Python数字类型主要包括int(整型)、long(长整型)和float(浮点型)，但是在Python3中就不再有long类型了。

1、int(整型)

在32位机器上，整数的位数是32位，取值范围是-231~231-1，即-2147483648~214748364;在64位系统上，整数的位数为64位，取值范围为-263~263-1，即9223372036854775808~9223372036854775807。

2、long(长整型)

Python长整型没有指定位宽，但是由于机器内存有限，使用长的长整数数值也不可能无限大。

3、float(浮点型)

浮点型也就是带有小数点的数，其精度和机器有关。

4、complex(复数)

Python还支持复数，复数由实数部分和虚数部分构成，可以用a+bj,或者complex(a,b)表示，复数的实部a和虚部b

都是浮点型。

二、字符串

在Python中，加了引号的字符都被认为是字符串，其声明有三种方式，分别是：单引号、双引号和三引号;Python中的字符串有两种数据类型，分别是str类型和unicode类型，str类型采用的ASCII编码，无法表示中文，unicode类型采用unicode编码，能够表示任意字符，包括中文和其他语言。

三、布尔型

和其他编程语言一样，Python布尔类型也是用于逻辑运算，有两个值：True(真)和False(假)。

四、列表

列表是Python中使用最频繁的数据类型，集合中可以放任何数据类型，可对集合进行创建、查找、切片、增加、修改、删除、循环和排序操作。

五、元组

元组和列表一样，也是一种序列，与列表不同的是，元组是不可修改的，元组用”()”标识，内部元素用逗号隔开。

六、字典

字典是一种键值对的集合，是除列表以外Python之中最灵活的内置数据结构类型，列表是有序的对象集合，字典是无序的对象集合。

七、集合

集合是一个无序的、不重复的数据组合，它的主要作用有两个，分别是去重和关系测试。

将其整理成数据集为：

[[1,0,"yes"],[1,1,"yes"],[0,1,"yes"],[0,0,"no"],[1,0,"no"]]

算法过程：

1、计算原始的信息熵。

2、依次计算数据集中每个样本的每个特征的信息熵。

3、比较不同特征信息熵的大小，选出信息熵最大的特征值并输出。

运行结果：

col:0curInfoGain:2.37744375108baseInfoGain:0.0

col:1curInfoGain:1.37744375108baseInfoGain:2.37744375108

bestInfoGain:2.37744375108bestFeature:0

结果分析：

说明按照第一列，即有无喉结这个特征来进行分类的效果更好。

思考：

1、能否利用决策树算法，将样本最终的分类结果进行输出？如样本1,2,3属于男性，4属于女性。

2、示例程序生成的决策树只有一层，当特征量增多的时候，如何生成具有多层结构的决策树？

3、如何评判分类结果的好坏？

在下一篇文章中，我将主要对以上三个问题进行分析和解答。如果您也感兴趣，欢迎您订阅我的文章，也可以在下方进行评论，如果有疑问或认为不对的地方，您也可以留言，我将积极与您进行解答。

完整代码如下：

frommathimportlog

"""

计算信息熵

"""

defcalcEntropy(dataset):

diclabel={}##标签字典，用于记录每个分类标签出现的次数

forrecordindataset:

label=record[-1]

iflabelnotindiclabel.keys():

diclabel[label]=0

diclabel[label]+=1

###计算熵

entropy=0.0

cnt=len(dataset)

forlabelindiclabel.keys():

prob=float(1.0*diclabel[label]/cnt)

entropy-=prob*log(prob,2)

returnentropy

definitDataSet():

dataset=[[1,0,"yes"],[1,1,"yes"],[0,1,"yes"],[0,0,"no"],[1,0,"no"]]

label=["male","female"]

returndataset,label

####拆分dataset,根据指定的过滤选项值，去掉指定的列形成一个新的数据集

defsplitDataset(dataset,col,value):

retset=[]##拆分后的数据集

forrecordindataset:

ifrecord[col]==value:

recedFeatVec=record[:col]

recedFeatVec.extend(record[col+1:])###将指定的列剔除

retset.append(recedFeatVec)###将新形成的特征值列表追加到返回的列表中

returnretset

###找出信息熵增益最大的特征值

###参数：

###dataset:原始的数据集

deffindBestFeature(dataset):

numFeatures=len(dataset[0])-1###特征值的个数

baseEntropy=calcEntropy(dataset)###计算原始数据集的熵

baseInfoGain=0.0###初始信息增益

bestFeature=-1###初始的最优分类特征值索引

###计算每个特征值的熵

forcolinrange(numFeatures):

features=[record[col]forrecordindataset]###提取每一列的特征向量如此处col=0，则features=[1,1,0,0]

uniqueFeat=set(features)

curInfoGain=0###根据每一列进行拆分，所获得的信息增益

forfeatValinuniqueFeat:

subDataset=splitDataset(dataset,col,featVal)###根据col列的featVal特征值来对数据集进行划分

prob=1.0*len(subDataset)/numFeatures###计算子特征数据集所占比例

curInfoGain+=prob*calcEntropy(subDataset)###计算col列的特征值featVal所产生的信息增益

#print"col:",col,"featVal:",featVal,"curInfoGain:",curInfoGain,"baseInfoGain:",baseInfoGain

print"col:",col,"curInfoGain:",curInfoGain,"baseInfoGain:",baseInfoGain

ifcurInfoGainbaseInfoGain:

baseInfoGain=curInfoGain

bestFeature=col

returnbaseInfoGain,bestFeature###输出最大的信息增益，以获得该增益的列

dataset,label=initDataSet()

infogain,bestFeature=findBestFeature(dataset)

print"bestInfoGain:",infogain,"bestFeature:",bestFeature

本文中介绍的是pandas的高阶应用-分类数据category

一个列中经常会包含重复值，这些重复值是一个小型的不同值的集合。

unique()和value_counts()能够从数组中提取到不同的值并分别计算它们的频率

维度表包含了不同的值，将主要观测值存储为引用维度表的整数键

不同值的数组被称之为数据的类别、字典或者层级

如果不指定顺序，分类转换是无序的。我们可以自己显式地指定

如果在特定的数据集上做了大量的数据分析，将数据转成分类数据有大大提高性能

特殊属性cat提供了对分类方法的访问

在机器学习或统计数据中，通常需要将分类数据转成虚拟变量，也称之为one-hot编码

如果让我们描述标准类型，我们也许会称它们是Python的“基本内建数据对象原始类型"。“基本”是指这些类型都是Python提供的标准或核心类型。“内建”是由于这些类型是Python默认就提供的。“数据”是因为他们用于一般数据存储。“对象”是因为对象是数据和功能的默认抽象。“原始”是因为这些类型提供的是最底层的粒度数据存储。“类型”是因为他们就是数据类型。不过，上面这些描述实际上并没有告诉你每个类型如何工作，以及它们能发挥什么作用。事实上，几个类型共享某一些的特性，比如功能的实现手段，另一些类型则在访问数据值方面有一些共同之处。我们感兴趣的还有这些类型的数据如何更新，以及它们能提供什么样的存储。有3种不同的模型可以帮助我们对基本类型进行分类，每种模型都展示给我们这些类型之间的相互关系。这些模型可以帮助我们更好的理解类型之间的相互关系以及他们的工作原理。