collections 使用教程

引言

Python为我们提供了4种基本的数据结构：list, tuple, dict, set，但是在处理数据量较大的情形的时候，这4种数据结构就明显过于单一了，比如list作为单向链表在某些情形插入的效率会比较低，有时候我们也需要维护一个有序的dict。所以这个时候我们就要用到Python标准库为我们提供的collections包了，它提供了多个有用的集合类，熟练掌握这些集合类，不仅可以让我们让写出的代码更加Pythonic，也可以提高我们程序的运行效率。

defaultdict的使用

defaultdict(default_factory)在普通的dict(字典)之上添加了default_factory，使得key(键)不存在时会自动生成相应类型的value(值)，default_factory参数可以指定成list, set, int等各种合法类型。

example1>>> from collections import defaultdict>>> s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]

我们现在有上面这样一组list(列表)，虽然我们有6组数据，但是仔细观察后发现其实我们只有两种color(颜色)，但是每一个color对应多个值。现在我们想要将这个list转换成一个dict(字典)，这个dict的key(键)对应一种color，dict的value(值)设置为一个list存放color对应的多个值。我们可以使用defaultdict(list)来解决这个问题。

# d可以看作一个dict(字典)，dict的value是一个list(列表)>>> d = defaultdict(list)>>> for k, v in s:...     d[k].append(v)...>>> ddefaultdict(<class 'list'>, {'blue': [2, 4, 4], 'red': [1, 3, 1]})example2

上面这个例子中有一些不完美的地方，比如说{‘blue’: [2, 4, 4], ‘red’: [1, 3, 1]}这个defaultdict中blue颜色中包含两个4，red颜色中包含两个1，但是我们不希望含有重复的元素，这个时候可以考虑使用defaultdict(set)来解决这个问题。set(集合)相比list(列表)的不同之处在于set中不允许存在相同的元素。

>>> d = defaultdict(set)>>> for k, v in s:...     d[k].add(v)...>>> ddefaultdict(<class 'set'>, {'blue': {2, 4}, 'red': {1, 3}})example3>>> s = 'hello world'

通过使用defaultdict(int)的形式我们来统计一个字符串中每个字符出现的个数。

>>> d = defaultdict(int)>>> for k in s:...     d[k] += 1...>>> ddefaultdict(<class 'int'>, {'o': 2, 'h': 1, 'w': 1, 'l': 3, ' ': 1, 'd': 1, 'e': 1, 'r': 1})

OrderedDict的使用

我们知道默认的dict(字典)是无序的，但是在某些情形我们需要保持dict的有序性，这个时候可以使用OrderedDict，它是dict的一个subclass(子类)，但是在dict的基础上保持了dict的有序型，下面我们来看一下使用方法。

example1>>> from collections import OrderedDict# 无序的dict>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}这是一个无序的dict(字典)，现在我们可以使用OrderedDict来让这个dict变得有序。# 将d按照key来排序>>> OrderedDict(sorted(d.items(), key=lambda t: t[0]))OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])# 将d按照value来排序>>> OrderedDict(sorted(d.items(), key=lambda t: t[1]))OrderedDict([('pear', 1), ('orange', 2), ('banana', 3), ('apple', 4)])# 将d按照key的长度来排序>>> OrderedDict(sorted(d.items(), key=lambda t: len(t[0])))OrderedDict([('pear', 1), ('apple', 4), ('orange', 2), ('banana', 3)])example2

使用popitem(last=True)方法可以让我们按照LIFO(先进后出)的顺序删除dict中的key-value，即删除最后一个插入的键值对，如果last=False就按照FIFO(先进先出)删除dict中key-value。

>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}# 将d按照key来排序>>> d = OrderedDict(sorted(d.items(), key=lambda t: t[0]))>>> dOrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])# 使用popitem()方法来移除最后一个key-value对>>> d.popitem()('pear', 1)# 使用popitem(last=False)来移除第一个key-value对>>> d.popitem(last=False)('apple', 4)example3

使用move_to_end(key, last=True)来改变有序的OrderedDict对象的key-value顺序，通过这个方法我们可以将排序好的OrderedDict对象中的任意一个key-value插入到字典的开头或者结尾。

>>> d = OrderedDict.fromkeys('abcde')>>> dOrderedDict([('a', None), ('b', None), ('c', None), ('d', None), ('e', None)])# 将key为b的key-value对移动到dict的最后>>> d.move_to_end('b')>>> dOrderedDict([('a', None), ('c', None), ('d', None), ('e', None), ('b', None)])>>> ''.join(d.keys())'acdeb'# 将key为b的key-value对移动到dict的最前面>>> d.move_to_end('b', last=False)>>> ''.join(d.keys())'bacde'

deque的使用

list存储数据的优势在于按找索引查找元素会很快，但是插入和删除元素就很慢了，因为它是是单链表的数据结构。deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈，而且线程安全。

list只提供了append和pop方法来从list的尾部插入/删除元素，但是deque新增了appendleft/popleft允许我们高效的在元素的开头来插入/删除元素。而且使用deque在队列两端添加（append）或弹出（pop）元素的算法复杂度大约是O(1)，但是对于list对象改变列表长度和数据位置的操作例如 pop(0)和insert(0, v)操作的复杂度高达O(n)。由于对deque的操作和list基本一致，这里就不重复了。

ChainMap的使用

ChainMap用来将多个dict(字典)组成一个list(只是比喻)，可以理解成合并多个字典，但和update不同，而且效率更高。

>>> from collections import ChainMap>>> a = {'a': 'A', 'c': 'C'}>>> b = {'b': 'B', 'c': 'D'}>>> m = ChainMap(a, b)# 构造一个ChainMap对象>>> mChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})>>> m['a']'A'>>> m['b']'B'# 将m变成一个list>>> m.maps[{'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'}]# 更新a中的值也会对ChainMap对象造成影响>>> a['c'] = 'E'>>> m['c']'E'# 从m复制一个ChainMap对象，更新这个复制的对象并不会对m造成影响>>> m2 = m.new_child()>>> m2['c'] = 'f'>>> m['c']'E'>>> a['c']'E'>>> m2.parentsChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})

Counter的使用

example1

Counter也是dict的一个subclass，它是一个无序容器，可以看做一个计数器，用来统计相关元素出现的个数。

>>> from collections import Counter>>> cnt = Counter()# 统计列表中元素出现的个数>>> for word in ['red', 'blue', 'red', 'green', 'blue', 'blue']:...  cnt[word] += 1...>>> cntCounter({'blue': 3, 'red': 2, 'green': 1})# 统计字符串中元素出现的个数>>> cnt = Counter()>>> for ch in 'hello':...     cnt[ch] = cnt[ch] + 1...>>> cntCounter({'l': 2, 'o': 1, 'h': 1, 'e': 1})

example2

使用elements()方法按照元素的出现次数返回一个iterator(迭代器)，元素以任意的顺序返回，如果元素的计数小于1，将忽略它。

>>> c = Counter(a=4, b=2, c=0, d=-2)>>> cCounter({'a': 4, 'b': 2, 'c': 0, 'd': -2})>>> c.elements()<itertools.chain object at 0x7fb0a069ccf8>>>> next(c)'a'# 排序>>> sorted(c.elements())['a', 'a', 'a', 'a', 'b', 'b']

使用most_common(n)返回一个list, list中包含Counter对象中出现最多前n个元素。

>>> c = Counter('abracadabra')>>> cCounter({'a': 5, 'b': 2, 'r': 2, 'd': 1, 'c': 1})>>> c.most_common(3)[('a', 5), ('b', 2), ('r', 2)]

namedtuple的使用

使用namedtuple(typename, field_names)命名tuple中的元素来使程序更具可读性。

>>> from collections import namedtuple>>> Point = namedtuple('PointExtension', ['x', 'y'])>>> p = Point(1, 2)>>> p.__class__.__name__'PointExtension'>>> p.x1>>> p.y2

来源：华为云社区作者：清风Python