Python中级编程实战：字符串处理与数据分析技巧-开发者社区

1. 题目背景与价值解析

董付国老师的Python小屋系列编程题在编程学习者中享有盛誉，其中111-120这组题目特别适合已经掌握Python基础语法、正需要提升实际问题解决能力的中级学习者。这组题目设计精妙之处在于：它们既不像入门题那样简单直白，也不至于像算法竞赛题那样艰深晦涩，而是模拟了真实开发场景中常见的各类数据处理需求。

我在实际教学中发现，很多学员在完成基础语法学习后，会陷入"知道知识点但不会综合运用"的困境。而这组题目恰好提供了循序渐进的实战训练，涵盖了字符串处理、数学运算、数据结构应用等核心编程能力。特别是第115题关于文本分析的题目，直接来源于实际工作中的日志处理需求，具有很高的实用价值。

2. 题目详解与解题思路

2.1 题目111：特殊数字识别

要求找出100-999之间所有满足"各位数字立方和等于该数本身"的三位数。这类题目考察的是：

数字的分解与重组能力
循环结构的灵活应用
条件判断的逻辑构建

典型解法是使用for循环遍历100-999，对每个数拆分为个位、十位、百位后进行计算验证。这里有个优化技巧：可以预计算0-9的立方值存入字典，避免在循环中重复计算。

def find_special_numbers(): cubes = {i: i**3 for i in range(10)} result = [] for num in range(100, 1000): a, b, c = num//100, (num//10)%10, num%10 if cubes[a] + cubes[b] + cubes[c] == num: result.append(num) return result

2.2 题目112：矩阵对角线求和

给定一个n×n的矩阵，计算其主对角线和副对角线元素的和。这道题的关键点在于：

理解矩阵在Python中的表示方式（列表的列表）
掌握对角线元素的索引规律
处理n为奇数时中心元素的重复计算问题

def diagonal_sum(matrix): n = len(matrix) main_sum = sum(matrix[i][i] for i in range(n)) anti_sum = sum(matrix[i][n-1-i] for i in range(n)) if n % 2 == 1: return main_sum + anti_sum - matrix[n//2][n//2] return main_sum + anti_sum

注意：在实际应用中，应该先检查矩阵是否为方阵，这里为简化题目要求省略了校验。

2.3 题目115：文本词频统计进阶

这是本系列最具实用价值的题目之一，要求统计文本文件中各单词的出现频率，并按要求排序输出。考察的核心能力包括：

文件读写操作
字符串清洗（去除标点、大小写统一）
字典的灵活运用
排序与格式化输出

import re from collections import defaultdict def word_frequency(file_path): with open(file_path) as f: text = f.read().lower() words = re.findall(r'\b[a-z]+\b', text) freq = defaultdict(int) for word in words: freq[word] += 1 return sorted(freq.items(), key=lambda x: (-x[1], x[0]))

实际应用中还需要考虑：

大文件的内存优化（逐行读取）
停用词过滤
词干提取等高级处理

3. 解题技巧与常见误区

3.1 调试技巧实录

在解决这些题目时，有几个调试技巧特别实用：

分步验证法：对于复杂问题，如题目118的图形输出题，可以先用小规模测试（如3行图案）验证逻辑正确性，再扩展到通用情况。
变量追踪法：在循环结构中，使用print输出关键变量的中间值。例如在解决题目113的数列问题时，可以在循环内打印每次迭代的计算结果。
边界测试法：特别注意输入边界条件，如空字符串、零值、单元素列表等特殊情况。

3.2 典型错误分析

根据批改经验，学员在这些题目上常犯的错误包括：

循环范围错误：比如题目111中误将range写成range(100,1000)导致漏掉999
索引越界：矩阵题目中未考虑Python的零基索引特性
浅拷贝问题：在涉及列表嵌套的操作中直接赋值导致意外修改
类型混淆：字符串与数字未正确转换，特别是在文件读取后的数据处理中

4. 题目延展与实际应用

4.1 工业级代码优化

教学题目为了突出核心逻辑通常省略了工程实践中的很多必要元素。以词频统计为例，工业级实现需要考虑：

内存效率：使用生成器逐行处理大文件
性能优化：用Counter替代defaultdict
异常处理：文件不存在、编码错误等情况
代码可测试性：将核心逻辑与IO操作分离

from collections import Counter import re def process_text(text): return re.findall(r'\b[a-z]+\b', text.lower()) def count_words(file_path): try: with open(file_path, encoding='utf-8') as f: return Counter(process_text(f.read())) except FileNotFoundError: print(f"Error: File {file_path} not found") return Counter()