### Python 序列结构应用 上机实验 示例代码和操作指南 以下内容详细介绍了 Python 中序列结构的应用，并提供了上机实验的示例代码和操作指南。 #### 1. 序列结构概述 Python 中的序列类型包括字符串、列表、元组等。这些数据类型支持索引、切片、遍历等操作[^4]。 #### 2. 字符串操作示例 字符串是不可变的序列类型，支持索引和切片操作。以下是一个简单的字符串操作示例： ```python # 定义一个字符串 text = "Hello, Python!" # 索引操作 first_char = text[0] last_char = text[-1] # 切片操作 substring = text[7:13] print(f"第一个字符: {first_char}") print(f"最后一个字符: {last_char}") print(f"子字符串: {substring}") ``` #### 3. 列表操作示例 列表是可变的序列类型，支持添加、删除、修改元素等操作。以下是一个列表操作示例： ```python # 定义一个列表 numbers = [1, 2, 3, 4, 5] # 添加元素 numbers.append(6) # 删除元素 numbers.remove(3) # 修改元素 numbers[0] = 10 # 遍历列表 for num in numbers: print(num) ``` #### 4. 元组操作示例 元组是不可变的序列类型，适用于存储固定的数据集合。以下是一个元组操作示例： ```python # 定义一个元组 coordinates = (10, 20, 30) # 索引操作 x = coordinates[0] y = coordinates[1] z = coordinates[2] # 遍历元组 for coord in coordinates: print(coord) ``` #### 5. 综合实验：统计文本中单词出现次数 以下是一个综合实验，演示如何使用序列结构统计文本中单词的出现次数： ```python from collections import Counter # 输入一段文本 text = input("请输入一段文本：") # 将文本按空格分割为单词列表 words = text.split() # 使用 Counter 统计单词出现次数 word_count = Counter(words) # 输出统计结果 for word, count in word_count.items(): print(f"单词 '{word}' 出现了 {count} 次") ``` #### 6. 数据分析中的序列应用 在数据分析领域，序列结构常用于处理时间序列数据或用户行为数据。以下是一个简单的数据分析示例： ```python import pandas as pd # 创建一个示例数据集 data = { "Date": ["2023-01-01", "2023-01-02", "2023-01-03"], "Value": [100, 200, 150] } df = pd.DataFrame(data) # 将 Date 列转换为日期时间格式 df["Date"] = pd.to_datetime(df["Date"]) # 设置 Date 列为索引 df.set_index("Date", inplace=True) # 计算每日变化量 df["Change"] = df["Value"].diff() print("时间序列数据分析：") print(df) ``` ### 结论 通过上述实验内容，可以全面了解 Python 中序列结构的应用场景及其操作方法。这些实验涵盖了字符串、列表、元组等基本序列类型的使用，并结合实际数据分析任务展示了序列结构的强大功能。