Python3 【集合】项目实战：3 个新颖的学习案例

Python3 【集合】项目实战：3 个新颖的学习案例

以下是 3 个应用“Python 集合”知识的综合应用项目，这些项目具有新颖性、前瞻性和实用性，每个项目都包含完整的代码、解释说明、测试案例和执行结果。

1. 基因序列比对
2. 文章推荐系统
3. 运行日志分析

项目 1：基因序列比对（集合运算与去重）

项目描述

在生物信息学中，比对两个基因序列的相似性。使用集合的交集和并集计算相似度。

代码实现

# 基因序列（简化为字符串集合）
sequence1 = {"A", "T", "C", "A", "A", "A"}
sequence2 = {"A", "C", "G", "G", "T", "T"}

# 计算相似度
def sequence_similarity(seq1, seq2):
    intersection = seq1 & seq2  # 交集
    union = seq1 | seq2  # 并集
    similarity = len(intersection) / len(union)
    return similarity

# 测试
similarity = sequence_similarity(sequence1, sequence2)
print(f"基因序列相似度：{similarity:.2f}")

测试案例

• 基因序列 1: {"A", "T", "C", "A", "A", "A"}
• 基因序列 2: {"A", "C", "G", "G", "T", "T"}

执行结果

基因序列相似度：0.75

项目 2：文章推荐系统（去重与交集应用）

项目描述

设计一个简单的推荐系统，基于用户的历史行为和兴趣标签，推荐新的内容。使用集合的交集运算找到用户可能感兴趣的内容。

代码实现

# 用户兴趣标签和历史行为
user_interests = {"python", "AI", "machine learning", "data science"}
content_tags = {
    "article1": {"python", "data science"},
    "article2": {"AI", "deep learning"},
    "article3": {"machine learning", "statistics"},
    "article4": {"python", "web development"},
}

# 推荐函数
def recommend_content(user_interests, content_tags):
    recommendations = {}
    for content, tags in content_tags.items():
        common_tags = user_interests & tags  # 计算交集
        if common_tags:
            recommendations[content] = common_tags
    return recommendations

# 测试
recommendations = recommend_content(user_interests, content_tags)
print("推荐内容及共同兴趣标签：")
for content, tags in recommendations.items():
    print(f"{content}: {tags}")

测试案例

• 用户兴趣标签：{"python", "AI", "machine learning", "data science"}
• 内容标签：
  • article1: {"python", "data science"}
  • article2: {"AI", "deep learning"}
  • article3: {"machine learning", "statistics"}
  • article4: {"python", "web development"}

执行结果

推荐内容及共同兴趣标签：
article1: {'python', 'data science'}
article2: {'AI'}
article3: {'machine learning'}
article4: {'python'}

项目 3：运行日志分析（去重与统计）

项目描述

分析服务器日志，统计独立 IP 地址的数量，并找出访问量最高的 IP 地址。

代码实现

# 模拟日志数据
logs = [
    "192.168.1.1 - GET /index.html",
    "192.168.1.2 - GET /about.html",
    "192.168.1.1 - POST /login",
    "192.168.1.3 - GET /index.html",
    "192.168.1.2 - GET /contact.html",
]

# 统计独立 IP 地址
unique_ips = set(log.split()[0] for log in logs)
print(f"独立 IP 地址数量：{len(unique_ips)}")

# 统计访问量最高的 IP 地址
from collections import Counter
ip_counter = Counter(log.split()[0] for log in logs)
most_common_ip = ip_counter.most_common(1)[0]
print(f"访问量最高的 IP 地址：{most_common_ip[0]}，访问次数：{most_common_ip[1]}")

测试案例

• 日志数据：

  192.168.1.1 - GET /index.html
  192.168.1.2 - GET /about.html
  192.168.1.1 - POST /login
  192.168.1.3 - GET /index.html
  192.168.1.2 - GET /contact.html
  

执行结果

独立 IP 地址数量：3
访问量最高的 IP 地址：192.168.1.1，访问次数：2

总结

这些项目展示了 Python 集合在实际问题中的广泛应用，包括基因分析对比、文章推荐系统、运行日志分析等方面。通过这些项目，可以深入理解集合的强大功能和灵活性。