Module 4 - 任务列表

第一步：学习 Python 和正则表达式

• 学习 Python 编程语言
  • 推荐阅读老师发的 Python (opens in a new tab) 的章节，确保你理解并且使用的是 Python 3 或更高版本。

• 学习正则表达式
  • 推荐阅读老师发的 正则表达式 (opens in a new tab) 的部分，理解其语法和用法。

第二步：编写正则表达式

• 正则表达式 1

  • 任务描述： 编写一个正则表达式，匹配字符串中的子串 "hello world"。

  指导：

  • 直接匹配固定的字符串，只需写出该字符串即可。

  答案：

  hello world

• 正则表达式 2

  • 任务描述： 编写一个正则表达式，找到输入字符串中包含三个或更多连续元音字母（不区分大小写）的所有子串。

  指导：

  • 元音字母有 a、e、i、o、u。
  • 使用字符类 [aeiouAEIOU] 匹配任意一个元音字母。
  • 使用量词 {3,} 表示匹配三个或更多。
  • 使用 \w* 去匹配连续元音前后的 0 到更多个字母

  答案：

  \w*[aeiouAEIOU]{3,}\w*

• 正则表达式 3

  • 任务描述： 编写一个正则表达式，匹配完全符合航班代码格式的输入字符串，格式为 AA####，其中 AA 是两个大写字母的航空公司代码，#### 是三位或四位的航班号。

  指导：

  • ^ 和 $ 用于匹配字符串的开始和结束，确保整个字符串完全匹配指定格式。
  • [A-Z]2 匹配两个大写字母。
  • \d4 匹配三到四位数字。

  答案：

  ^[A-Z]{2}\d{3,4}$

第三步：编写棒球统计计数器脚本

• 创建 Python 脚本文件

  • 新建一个名为 baseball.py 的 Python 脚本，用于计算圣路易斯红雀队球员在特定赛季的击球率。

• 处理命令行参数

  • 脚本应接受一个命令行参数：输入文件的路径。
  • 如果未提供路径，程序应打印用法消息并退出。

  代码示例：

  import sys
   
  if len(sys.argv) != 2:
      print("Usage: python baseball.py <input_file>")
      sys.exit(1)
   
  input_file = sys.argv[1]

• 读取并解析输入文件

  • 使用 open() 函数读取输入文件。
  • 使用正则表达式解析每一行，提取球员姓名、击球次数和安打数。

  指导：

  • 使用 re 模块的 match() 或 search() 方法。
  • 正则表达式模式：

    ^([\w\s\.\'"]+?)\s+batted\s+(\d+)\s+times\s+with\s+(\d+)\s+hits\s+and\s+(\d+)\s+runs$
    • ([\w\s\.\'"]+?) 匹配球员姓名，包含字母、空格、点、单引号、双引号等字符。
    • \d+ 匹配一个或多个数字。

  代码示例：

  import re
   
  player_stats = {}
  player_stats_regex = re.compile(
      r'^([\w\s\.\'"]+?)\s+batted\s+(\d+)\s+times\s+with\s+(\d+)\s+hits\s+and\s+(\d+)\s+runs$'
  )
   
  with open(input_file, 'r') as file:
      for line in file:
          line = line.strip()
          match = player_stats_regex.match(line)
          if match:
              name = match.group(1).strip()
              at_bats = int(match.group(2))
              hits = int(match.group(3))
   
              if name not in player_stats:
                  player_stats[name] = {'at_bats': 0, 'hits': 0}
   
              player_stats[name]['at_bats'] += at_bats
              player_stats[name]['hits'] += hits

try:
    with open(input_file, 'r') as file:
        # 执行文件读取操作
except FileNotFoundError:
    print(f"错误: 文件 '{input_file}' 未找到。")
    sys.exit(1)

第四步：计算击球率并格式化输出

• 计算每个球员的击球率

  • 击球率 = 总安打数 / 总击球次数
  • 保留三位小数，四舍五入。

• 按照击球率排序并输出结果

  • 从高到低排序，如果击球率相同，顺序不做要求。
  • 输出格式为 球员姓名: #.###

  代码示例：

  # 计算击球率
  batting_averages = []
  for name, stats in player_stats.items():
      if stats['at_bats'] > 0:
          average = stats['hits'] / stats['at_bats']
          batting_averages.append((name, average))
   
  # 排序
  batting_averages.sort(key=lambda x: x[1], reverse=True)
   
  # 输出结果
  for name, average in batting_averages:
      print(f"{name}: {average:.3f}")

第五步：测试你的脚本

• 使用 样例输入文件 (opens in a new tab) 进行测试

  • 下载样例输入文件（如 cardinals-1940.txt），放在与你的脚本同一目录下。

• 运行脚本并检查输出

  • 在命令行中运行：

    python baseball.py cardinals-1940.txt
  • 检查输出是否与示例输出一致。

第六步：提交作业

• 将代码和正则表达式文件提交到 GitHub 仓库

  • 提交以下文件：
    • regex1.txt
    • regex2.txt
    • regex3.txt
    • baseball.py

• 遵守提交截止日期

  • 在截止日期之前将所有文件提交到 GitHub，未按时提交将导致本次作业记 0 分。

第七步：扩展学习（可选）

• 深入学习正则表达式

  • 任务描述： 探索正则表达式的高级用法，理解更复杂的匹配模式。

  解答：

  • 非捕获组（Non-Capturing Groups）：

    (?:pattern)

    解释：

    • 非捕获组用于分组但不捕获匹配的文本，这在提高匹配效率时很有用。

  • 回溯引用（Backreferences）：

    (\w)\1

    解释：

    • (\w) 捕获一个单词字符，\1 引用第一个捕获组。
    • 该正则表达式匹配连续出现的相同字符，例如 "letter" 中的 "tt"。

  • 示例：

    import re
     
    # 匹配重复的单词
    text = "This is is a test test string"
    pattern = r'\b(\w+)\s+\1\b'
    matches = re.findall(pattern, text)
    print(matches)  # 输出：['is', 'test']

    解释：

    • 该正则表达式匹配连续重复的单词，如 "is is"、"test test"。

• 优化代码性能

  • 任务描述： 学习如何优化 Python 代码，提高程序的运行效率。

  解答：

  • 使用列表推导式（List Comprehensions）：

    # 常规方法
    squares = []
    for x in range(10):
        squares.append(x ** 2)
     
    # 列表推导式
    squares = [x ** 2 for x in range(10)]

    解释：

    • 列表推导式能够以更简洁的方式创建列表，提高代码可读性和执行效率。

  • 使用生成器表达式（Generator Expressions）：

    # 列表推导式
    squares = [x ** 2 for x in range(1000000)]
     
    # 生成器表达式
    squares_gen = (x ** 2 for x in range(1000000))

    解释：

    • 生成器表达式在需要处理大量数据时，可以节省内存，因为它们不会一次性生成所有数据。

  • 示例：

    # 使用生成器计算大数据集的总和
    total = sum(x ** 2 for x in range(1000000))
    print(total)

    解释：

    • 生成器表达式在迭代时才生成数据，避免占用大量内存。

• 数据可视化

  • 任务描述： 使用 Python 的数据可视化库，将球员的击球率绘制成图表。

  解答：

  • 安装 Matplotlib 库：

    pip install matplotlib

  • 示例代码：

    import matplotlib.pyplot as plt
     
    # 从之前的 batting_averages 列表中获取数据
    names = [item[0] for item in batting_averages]
    averages = [item[1] for item in batting_averages]
     
    # 绘制柱状图
    plt.figure(figsize=(10, 6))
    plt.bar(names, averages)
    plt.xlabel('球员姓名')
    plt.ylabel('击球率')
    plt.title('球员击球率排名')
    plt.xticks(rotation=90)
    plt.tight_layout()
    plt.show()

    

解释：

• 使用 Matplotlib 库绘制柱状图，展示球员的击球率。

• plt.xticks(rotation=90) 将球员姓名的标签旋转 90 度，避免重叠。

• 注意事项：

  • 确保安装了 Matplotlib 库，使用 pip install matplotlib。
  • 运行脚本时，图表会在新窗口中显示。

第八步：总结与反思

• 总结所学内容

  • 在本模块中，你学习了：

    • Python 的基本语法和编程方法。
    • 正则表达式的使用和在 Python 中的应用。
    • 如何读取、解析和处理文本文件数据。
    • 数据的统计分析和排序方法。
    • 将数据结果可视化的基本技巧。

• 反思与提高

  • 思考问题：

    • 在完成本次作业的过程中，你遇到了哪些挑战？
    • 你是如何解决这些问题的？
    • 通过本次练习，你对 Python 和正则表达式的理解有何提高？

  • 下一步计划：

    • 针对遇到的困难，制定学习计划，查阅相关资料加强理解。
    • 在后续的项目中，尝试应用所学的知识，巩固技能。