Python基础：使用NLTK和Python构建机器学习应用

### 1.2 快速入门Python 尽管我们不会深入探讨Python的所有细节，但快速浏览Python的基础知识对于初学者来说是非常必要的。本节将在5分钟内介绍Python的基本数据结构、常用函数和通用结构。 #### 1.2.1 列表 列表（list）是Python中最常用的数据结构之一，类似于其他编程语言中的数组。以下是一些列表的基本操作示例： ```python >>> lst = [1, 2, 3, 4] >>> print(lst) [1, 2, 3, 4] ``` Python列表支持灵活的索引访问： ```python >>> print('First element:', lst[0]) First element: 1 >>> print('Last element:', lst[-1]) Last element: 4 >>> print('First three elements:', lst[:3]) First three elements: [1, 2, 3] >>> print('Last three elements:', lst[-3:]) Last three elements: [2, 3, 4] ``` #### 1.2.2 自助功能 Python提供了`help()`和`dir()`函数，可以帮助你详细了解各种数据类型和函数。`dir()`函数可以列出指定对象的所有属性，而`help()`函数则提供详细的文档和使用示例。 ```python >>> dir(lst) ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__delslice__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getslice__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__setslice__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort'] >>> help(lst.index) Help on built-in function index: index(...) L.index(value, [start, [stop]]) -> integer -- return first index of value. This function raises a ValueError if the value is not present. ``` #### 1.2.3 字符串操作 Python的字符串操作非常强大且简洁。以下是一些常用的字符串方法： - `split()`: 基于分隔符分割字符串。 - `strip()`: 删除字符串两端的空白字符。 - `upper()`, `lower()`: 改变字符串的大小写。 - `replace()`: 替换字符串中的子串。 ```python >>> mystring = "Monty Python ! And the holy Grail !\n" >>> print(mystring.split()) ['Monty', 'Python', '!', 'And', 'the', 'holy', 'Grail', '!'] >>> print(mystring.strip()) Monty Python ! And the holy Grail ! >>> print(mystring.upper()) MONTY PYTHON ! AND THE HOLY GRAIL ! >>> print(mystring.replace('!', '')) Monty Python And the holy Grail ``` #### 1.2.4 正则表达式 正则表达式（regular expression）是一种强大的字符串匹配工具，在自然语言处理（NLP）中尤为重要。以下是一些常用的正则表达式模式： - `.`: 匹配除换行符以外的任意单字符。 - `\w`: 匹配字母或数字。 - `\W`: 匹配非字母或数字。 - `\s`: 匹配空白字符。 - `\S`: 匹配非空白字符。 - `\t`: 匹配制表符。 - `\n`: 匹配换行符。 - `\r`: 匹配回车符。 - `\d`: 匹配数字。 - `^`: 匹配字符串的开始位置。 - `$`: 匹配字符串的结束位置。 - `\`: 转义特殊字符。 ```python >>> import re >>> mystring = "Monty Python ! And the holy Grail !" >>> if re.search('Python', mystring): ... print("We found Python") ... else: ... print("Not found") ... We found Python >>> print(re.findall('!', mystring)) ['!', '!'] ``` #### 1.2.5 字典 字典（dictionary）是一种键值对的数据结构，其键可以是任意不可变类型，如字符串或数字。Python的字典实现非常优雅，适合用于构建复杂的算法。 以下是一个使用字典统计文本中单词频率的示例： ```python >>> word_freq = {} >>> for tok in mystring.split(): ... if tok in word_freq: ... word_freq[tok] += 1 ... else: ... word_freq[tok] = 1 ... >>> print(word_freq) {'!': 2, 'And': 1, 'Grail': 1, 'Monty': 1, 'Python': 1, 'the': 1, 'holy': 1} ``` #### 1.2.6 编写函数 Python中的函数定义以`def`关键字开始，后跟函数名和括号。函数体从冒号后开始，通常以文档字符串（注释）开头，接着是函数的主体部分，最后以`return`语句结束。 以下是一个统计文本中单词频率的函数示例： ```python >>> def wordfreq(mystring): ... '''Function to generate the frequency distribution of the given text''' ... print(mystring) ... word_freq = {} ... for tok in mystring.split(): ... if tok in word_freq: ... word_freq[tok] += 1 ... else: ... word_freq[tok] = 1 ... print(word_freq) ... >>> def main(): ... str = "This is my first Python program!!" ... wordfreq(str) ... >>> if __name__ == '__main__': ... main() ... This is my first Python program!! {'This': 1, 'is': 1, 'my': 1, 'first': 1, 'Python': 1, 'program!!': 1} ``` ### 总结 通过本节的学习，你已经掌握了Python的一些基本数据结构和常用函数。这些基础知识将为你后续学习NLTK和构建机器学习应用打下坚实的基础。建议你在实践中多加练习，以便更好地掌握这些技能。