1.在列表，集合，字典中筛选数据

1. 常用方法:遍历

   data = [10,30,-1,-5,2,-12,-9,0,11,23]
   res = []
   for i in data:
      if i > 0:
   res.append(i)
   print(res)
   

2. 列表解析。

   from random import  randint
   
   #生成10个随机数， 范围在-10到10之间
   data = [ randint(-10,10) for x in range(10) ]
   
   filter_data = filter(lambda x: x >=0 , data)
   filter_data2 = [x  for x in data if x >= 0]
   
   #数据比对
   print(data)
   print(list(filter_data))
   print(filter_data2)
   
   #[4, -7, -8, 9, 9, 10, 0, 9, -7, -3]
   #[4, 9, 9, 10, 0, 9]
   #[4, 9, 9, 10, 0, 9]
   

range方法返回的是一个list对象，它需要开辟专门的空间保存序列中所有的元素。
xrange方法返回的是xrange对象，它是一个序列对象，但并不保存序列中的元素。其实现方法与本文介绍的MyRange类型类似。
python2.x用xrange, python3.x用range

3. 字典解析

   from random import  randint
   from pprint import pprint
   
   dict1 = {id:randint(60,100) for id in range(1,21)}
   pprint(dict1)
   
   #遍历items，可以得到k,v   k:v 就是字典模式。
   dict2 = {k:v for k, v in dict1.items() if v > 90}
   pprint(dict2)
   

4. 集合解析

    #将上面的列表转为集合。
    set1 = set(data)
    #集合的模式就是{x,y} 没有冒号
    set2 = {x for x in set1 if x % 2 == 0}
    print(set2)
   

2.给元祖下标命名

1. 类枚举的方式

   NAME,AGE,SEX,ADDR,TEL = range(5)
   
   student = ('wyq',28,'male','[email protected]','1111111')
   
   print(student[0] ,student[NAME])
   

2. 标准库collections中的namedtuple

   from collections import namedtuple
   
   Student = namedtuple('Student',['name','age','sex','addr','tel'])
   
   s = Student('wyq',28,'male','[email protected]','1111111')
   print(s)
   print(s.name)
   

namedtuple(typename, field_names, *, verbose=False, rename=False, module=None)
Returns a new subclass of tuple with named fields.
namedtuple 类似一个工厂。
此时通过属性的方法来访问

3.统计元素出现的频率

1. 统计列表中每个元素出来的次数

    from random import randint
   
    #创建30个随机数， 数据范围在(0,20)
    datas = [ randint(0,20) for _ in range(30) ]
    print(datas)
   
    #统计元素频率，最后肯定会返回字典。
    #创建一个空dict,他的key肯定是datas里的元素
    dict1 = dict.fromkeys(datas,0)
    print(dict1)
   
    for x in datas:
        dict1[x] += 1
    
    print(dict1)
    结果：
    [0, 11, 5, 11, 11, 19, 17, 19, 20, 10, 0, 8, 1, 11, 2, 8, 5, 19, 20, 17, 6, 18, 2, 8, 3, 11, 8, 9, 18, 15]
    {0: 0, 11: 0, 5: 0, 19: 0, 17: 0, 20: 0, 10: 0, 8: 0, 1: 0, 2: 0, 6: 0, 18: 0, 3: 0, 9: 0, 15: 0}
    {0: 2, 11: 5, 5: 2, 19: 3, 17: 2, 20: 2, 10: 1, 8: 4, 1: 1, 2: 2, 6: 1, 18: 2, 3: 1, 9: 1, 15: 1}
   

fromkeys(iterable, value=None, /) method of builtins.type instance
Returns a new dict with keys from iterable and values equal to value.

2.使用标准库collections中的Counter

from collections import Counter

c1 = Counter(datas)

print(c1)

c1.most_common(10)

Counter 是一个有助于 hashable 对象计数的 dict 子类。它是一个无序的集合，其中 hashable对象的元素存储为字典的键，它们的计数存储为字典的值，计数可以为任意整数，包括零和负数。

我们可以这样查看 Counter 的帮助信息，事实上这些信息来源于 Counter
的文档字符串（collections.Counter.doc）。

elements() 方法，其返回的序列中，依照计数重复元素相同次数，元素顺序是无序的。

most_common() 方法返回最常见的元素及其计数，顺序为最常见到最少。

2.统计文件中单词出现的频率

import  re 
from collections import Counter

#读取文件
txt = open("aa.log").read() 
print(txt)

list1 = re.split('\W+',txt) 
print(list1)

c2 = Counter(list1) 
print(c2.most_common(3))

4.对dict中的value排序

1. 运行sorted(iter对象, key=)

    from random import  randint
    
    datas = {k:randint(60,90) for k in 'zjabcefx'}
    print(datas)
    
    #直接用sorted 是按照key进行排序的。
    print(sorted(datas))
   
    # 在这里我们可以将key,value组成一个元祖，
    # datas.keys() datas.values() zip()组合成一个列表
    lista = zip(datas.values(),datas.keys())
    print(list(lista))
    #但是结果是空的。
    print(sorted(lista))
    
    #此时换种方法,
    print(datas.items())
    aa = sorted(datas.items(),key=lambda x:x[1])
    print(aa)