PYTHON LESSON 112
综合项目:校园社交平台分析器
综合本单元全部知识,完成一个带五大分析模块的校园社交平台分析器,并能独立扩展新功能。
00 · 学习目标
这一课要解决什么?
学完后,你应该能够
- 邻接表建图是所有分析的地基
- sorted / sort 配 key 做多指标排行
- BFS 距离 + 连通块 + dict 计数各管一摊
01 · 核心概念
把整单元搭成一个真实系统
把整单元搭成一个真实系统:我们要给校园社交平台写一个后台分析器,五个模块:建图、人气榜、人脉距离、小团体统计、兴趣热搜。大项目最怕边想边写,先在纸上画好数据流:names、edges、hobbies 三张表输入,五份报告输出。
GESP Python 7 级 · 图的定义及存储GESP Python 7 级 · 图的 DFS 与 BFSGESP Python 7 级 · 哈希表有向无环图、拓扑排序、强连通分量和负权最短路是图论后续主题。
02 · 语法与规则
先记住这 3 条,再开始写程序
邻接表建图是所有分析的地基先准确读出这条写法的结构与作用。
sorted / sort 配 key 做多指标排行换一组最小数据,手工推演一次结果。
BFS 距离 + 连通块 + dict 计数各管一摊再用边界值或反例确认它的适用条件。
03 · 完整实例
代码、运行结果和解释放在一起看
# 综合项目:校园社交平台分析器
from collections import deque
# ---------- 数据:好友关系 + 兴趣标签 ----------
names = ["小明", "小红", "小刚", "小丽", "小华", "小芳"]
edges = [(0, 1), (0, 2), (1, 2), (1, 3), (3, 4)] # 小芳(5号) 还没加好友
hobbies = ["篮球", "画画", "篮球", "编程", "编程", "画画"]
# ---------- 模块一:邻接表建图 ----------
n = len(names)
adj = [[] for _ in range(n)]
for a, b in edges:
adj[a].append(b)
adj[b].append(a)
# ---------- 模块二:人气榜(度数统计) ----------
print("== 人气榜 ==")
degree = [(len(adj[i]), names[i]) for i in range(n)]
degree.sort(reverse=True)
for d, name in degree:
print(name, d, "位好友")
# ---------- 模块三:小明的人脉距离(BFS) ----------
dist = [-1] * n
dist[0] = 0
q = deque([0])
while q:
u = q.popleft()
for v in adj[u]:
if dist[v] == -1:
dist[v] = dist[u] + 1
q.append(v)
print("== 小明的人脉距离 ==")
for i in range(n):
if dist[i] == -1:
print(names[i], "还联系不上")
else:
print(names[i], "隔", dist[i], "层")
# ---------- 模块四:平台有几个小团体(连通块计数) ----------
visited = [False] * n
blocks = 0
for i in range(n):
if not visited[i]:
blocks += 1
stack = [i]
visited[i] = True
while stack:
u = stack.pop()
for v in adj[u]:
if not visited[v]:
visited[v] = True
stack.append(v)
print("平台共有", blocks, "个互不相通的小团体")
# ---------- 模块五:兴趣热搜(dict 计数) ----------
counter = {}
for h in hobbies:
counter[h] = counter.get(h, 0) + 1
hot = sorted(counter.items(), key=lambda kv: -kv[1])
print("== 兴趣热搜 ==")
for h, c in hot:
print(h, c, "人")== 人气榜 == 小红 3 位好友 小明 2 位好友 小刚 2 位好友 小丽 2 位好友 小华 1 位好友 小芳 0 位好友 == 小明的人脉距离 == 小明 隔 0 层 小红 隔 1 层 小刚 隔 1 层 小丽 隔 2 层 小华 隔 3 层 小芳 还联系不上 平台共有 2 个互不相通的小团体 == 兴趣热搜 == 篮球 2 人 画画 2 人 编程 2 人
五大模块依次输出;小芳没有好友,所以“还联系不上”,并单独构成一个小团体。
04 · 逐步理解
每一步只解决一个问题
- 01
项目蓝图:先设计再动手
我们要给校园社交平台写一个后台分析器,五个模块:建图、人气榜、人脉距离、小团体统计、兴趣热搜。大项目最怕边想边写,先在纸上画好数据流:names、edges、hobbies 三张表输入,五份报告输出。
- 02
数据设计:编号即下标
给每位同学一个编号,names[3] 就是 3 号的名字。edges 存编号对,hobbies 按下标与人对齐。用编号代替名字做计算,输出时再翻译回名字——这是所有图程序的通用做法。
names = ["小明", "小红", "小刚", "小丽", "小华", "小芳"] edges = [(0, 1), (0, 2), (1, 2), (1, 3), (3, 4)] - 03
模块一与二:建图和人气榜
邻接表建图是后面所有分析的地基。度数就是 len(adj[i]),把 (度数, 姓名) 组成元组排序,reverse=True 直接得到人气榜。小红有 3 位好友,力压群雄。
degree = [(len(adj[i]), names[i]) for i in range(n)] degree.sort(reverse=True) - 04
模块三:BFS 人脉距离
从小明(0 号)出发的 BFS 距离表,就是“隔几层人脉”的官方算法——真实社交软件的“共同好友”“三度人脉”背后都是它。dist 为 -1 的小芳被标记为“还联系不上”。
dist = [-1] * n dist[0] = 0 q = deque([0]) - 05
模块四:连通块改用显式栈
数小团体还是“扫描 + 染色”,但这次用显式栈代替递归——平台将来可能有几十万用户,显式栈永远不会爆递归深度。同一份逻辑,换一种更稳的写法。
stack = [i] visited[i] = True while stack: u = stack.pop() - 06
模块五:兴趣热搜
dict 计数的老朋友又来了:counter.get(h, 0) + 1 逐标签累加,sorted 配 key=lambda kv: -kv[1] 按人数从高到低排。计数相同的时候保持原顺序,三个标签并列第一。
hot = sorted(counter.items(), key=lambda kv: -kv[1]) - 07
扩展任务:把项目变成你的
三个扩展方向任选:①“你可能认识”——给每人推荐共同好友最多的人;②新增一名同学,只重算受影响的模块;③把报告写进文本文件,做成真正的分析日报。做完任何一个,你就完成了一次从学知识到做产品的跨越。
05 · 练习与检验
自己写出来,才算真正学会
- 1运行项目,读懂五个模块的输出
- 2给平台加一名新同学,更新各榜单
- 3修改 edges,让全平台连成一个大团体
- 4挑一个扩展任务动手实现
06 · 完整知识
继续理解定义、规则和适用边界
第一次学习先完成上面的六个步骤;需要查定义、核对规则、分析误区或理解“为什么”时,再展开对应知识章。
核心数据结构树、图、DFS、BFS 与最短路从节点与边的模型出发,掌握遍历、连通性、树结构、最小生成树和最短路径的适用条件。+
正式定义
图由顶点和边构成;树是连通且无环的无向图。DFS 沿路径深入后回溯,BFS 按距离层次扩展。算法的正确选择取决于图是否有向、边权是否为负、是否稠密以及目标是遍历、连通还是最短路。
必须掌握
- 邻接矩阵占 O(V²) 空间,适合稠密图和快速查边;邻接表占 O(V+E),适合稀疏图。
- DFS 常用递归或显式栈,BFS 使用队列;一般图都必须记录 visited 防止重复和死循环。
- 无权图的 BFS 首次到达即得到最少边数距离,可用 parent 还原路径。
- 树有 V-1 条边且任意两点路径唯一;二叉树前/中/后序描述根的访问时机。
- Dijkstra 只适用于非负边权;Floyd 求所有点对最短路并允许负边,但不能有可达负环。
- Kruskal 按边权排序并用并查集避环,得到连通无向带权图的最小生成树。
常见误区
- 遍历一般图时不记录 visited
- 对负权边使用 Dijkstra
- 混淆最短路径树与最小生成树
- 递归 DFS 忽略深度限制
适用边界
- 有向无环图、拓扑排序、强连通分量和负权最短路是图论后续主题。
- 网格搜索也是图搜索:格子是顶点,可移动关系是边;不要只背二维数组模板。
算法方法算法、复杂度与解题验证把题意转成输入、状态、规则与输出,用正确性和复杂度共同评价解法。+
正式定义
算法是解决一类问题的有限、明确步骤。正确性说明算法对所有满足前置条件的输入都得到规定结果;时间和空间复杂度描述输入规模增长时资源使用的增长量级。
必须掌握
- 先明确输入规模 n、数据范围、目标和允许误差,再选择数据结构与算法。
- O(1)、O(log n)、O(n)、O(n log n)、O(n²)、O(2ⁿ) 表示增长量级,不是精确运行秒数。
- 顺序代码复杂度取较大项,嵌套循环常相乘,二分每步把范围缩小一半。
- 正确性可用循环不变量、数学归纳、交换论证、反证或状态定义来说明。
- 样例只验证少量输入;必须自己设计边界、极端、重复、有序/逆序和无解数据。
- 优化前先得到正确基线并测量瓶颈,不为小数据盲目增加复杂实现。
常见误区
- 只看样例通过就宣称正确
- 不看数据范围使用 O(n²)
- 二分区间开闭混用
- 把 O(n) 当成永远比 O(log n) 慢固定倍数
适用边界
- 复杂度隐藏常数与硬件差异,但仍是比较规模增长的核心工具。
- 考场策略、课程完成度和算法能力是不同证据,任何单项都不能保证考级通过。
核心数据结构列表、元组、字典与集合按顺序、可变性、唯一性和查找需求选择容器,并掌握遍历、推导式、排序与复制。+
正式定义
容器保存多个对象。list 是可变有序序列,tuple 是不可变有序序列,dict 保存唯一键到值的映射,set 保存无序且不重复的可哈希对象。
必须掌握
- list 支持下标、切片、append、extend、insert、pop、remove 与 sort;多数修改方法返回 None。
- tuple 的逗号比括号更关键,单元素元组必须写成 (value,)。
- dict 保持插入顺序;键必须可哈希且唯一,get 可提供缺省值,items 同时遍历键和值。
- set 用于去重与集合运算:| 并、& 交、- 差、^ 对称差;空集合必须写 set()。
- enumerate 同时给出序号和值,zip 并行遍历多个可迭代对象,默认在最短输入处停止。
- 浅复制只复制最外层容器;嵌套可变对象仍可能共享。
常见误区
- 把 list.sort() 的返回值赋回列表
- 遍历 dict 时同时改变其大小
- 用可变 list 当字典键
- 把 set 当成有固定顺序的序列
适用边界
- 大量从队首删除时 list.pop(0) 是 O(n),应使用 collections.deque。
- 需要有序映射的特殊操作、计数或默认值时可查阅 collections,但先理解基本 dict。
程序组织函数、参数、返回值与作用域用明确的输入、输出和职责拆分程序,理解参数绑定、作用域、递归与可变对象。+
正式定义
函数把一段可复用行为绑定到名字。调用时实参按规则绑定到形参,函数执行后用 return 交回结果;没有显式 return 时返回 None。名字解析遵循局部、闭包、全局、内置的 LEGB 顺序。
必须掌握
- 位置参数先于关键字参数;默认值在 def 执行时创建一次,不应直接使用可变容器作默认值。
- return 立即结束当前函数;return a, b 实际返回一个元组。
- 函数内赋值默认创建局部变量;global 声明模块级名字,nonlocal 声明最近外层函数名字。
- 传参传递的是对象引用;函数是否影响调用方取决于对象是否可变以及函数是否原地修改。
- 递归必须有可到达的终止条件,并要考虑调用深度、重复子问题和栈空间。
- 纯函数更容易测试;把输入输出、计算逻辑和全局状态分开能显著减少错误。
常见误区
- 可变默认参数在多次调用间共享
- 忘记 return 导致得到 None
- 局部变量遮蔽全局同名变量
- 递归没有缩小问题规模
适用边界
- lambda 只能包含一个表达式,适合短小的排序键,不适合塞入复杂业务逻辑。
- 装饰器、生成器和闭包属于函数模型的进阶应用,应在基本参数与作用域稳定后学习。
完成检查