python内置模块collections介绍

python内置模块collections介绍

collections是Python内建的一个集合模块，提供了许多有用的集合类。

一、namedtuple

python提供了不少很是好用的基本类型，好比不可变类型tuple，咱们能够轻松地用它来表示一个二元向量。

1 >>> v = (2,3)

咱们发现，虽然(2,3)表示出了一个向量的两个坐标，可是，若是没有额外说明，又很难直接看出这个元组是用来表示一个坐标的。

为此定义一个class又小题大作了，这时，namedtuple就派上用场了。

 1 >>> from collections import namedtuple
 2 
 3 >>> Vector = namedtuple('Vector', ['x', 'y'])
 4 
 5 >>> v = Vector(2,3)
 6 
 7 >>> v.x
 8 
 9 2
10 
11 >>> v.y
12 
13 3

namedtuple是一个函数，它用来建立一个自定义的tuple对象，而且规定了tuple元素的个数，并能够用属性而不是索引来引用tuple的某个元素。

这样一来，咱们用namedtuple能够很方便地定义一种数据类型，它具有tuple的不变性，又能够根据属性来引用，使用十分方便。

咱们能够验证建立的Vector对象的类型。

 1 >>> type(v)
 2 
 3 <class '__main__.Vector'>
 4 
 5 >>> isinstance(v, Vector)
 6 
 7 True
 8 
 9 >>> isinstance(v, tuple)
10 
11 True

相似的，若是要用坐标和半径表示一个圆，也能够用namedtuple定义：

1 >>> Circle = namedtuple('Circle', ['x', 'y', 'r'])
2 # namedtuple('名称', [‘属性列表’])

二、deque

在数据结构中，咱们知道队列和堆栈是两个很是重要的数据类型，一个先进先出，一个后进先出。在python中，使用list存储数据时，按索引访问元素很快，可是插入和删除元素就很慢了，由于list是线性存储，数据量大的时候，插入和删除效率很低。

deque是为了高效实现插入和删除操做的双向链表结构，很是适合实现队列和堆栈这样的数据结构。

 1 >>> from collections import deque
 2 >>> deq = deque([1, 2, 3])
 3 >>> deq.append(4)
 4 >>> deq
 5 deque([1, 2, 3, 4])
 6 >>> deq.appendleft(5)
 7 >>> deq
 8 deque([5, 1, 2, 3, 4])
 9 >>> deq.pop()
10 4
11 >>> deq.popleft()
12 5
13 >>> deq
14 deque([1, 2, 3])

deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就能够很是高效地往头部添加或删除元素。

三、defaultdict

使用dict字典类型时，若是引用的key不存在，就会抛出KeyError。若是但愿Key不存在时，返回一个默认值，就能够用defaultdict。

>>> from collections import defaultdict
>>> dd = defaultdict(lambda: 'defaultvalue')
>>> dd['key1'] = 'a'
>>> dd['key1']
'a'
>>> dd['key2'] # key2未定义，返回默认值
'defaultvalue'

注意默认值是调用函数返回的，而函数在建立defaultdict对象时传入。

除了在Key不存在时返回默认值，defaultdict的其余行为跟dict是彻底同样的。

四、OrderedDict

使用dict时，key是无序的。在对dict作迭代时，咱们没法肯定key的顺序。

可是若是想要保持key的顺序，能够用OrderedDict。

1 >>> from collections import OrderedDict
2 >>> d = dict([('a', 1), ('b', 2), ('c', 3)])
3 >>> d # dict的Key是无序的
4 {'a': 1, 'c': 3, 'b': 2}
5 >>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
6 >>> od # OrderedDict的Key是有序的
7 OrderedDict([('a', 1), ('b', 2), ('c', 3)])

注意，OrderedDict的key会按照插入的顺序排列，不是key自己排序

1 >>> od = OrderedDict()
2 >>> od['z'] = 1
3 >>> od['y'] = 2
4 >>> od['x'] = 3
5 >>> list(od.keys()) # 按照插入的Key的顺序返回
6 ['z', 'y', 'x']

OrderedDict能够实现一个FIFO（先进先出）的dict，当容量超出限制时，先删除最先添加的key。

 1 from collections import OrderedDict
 2 class LastUpdatedOrderedDict(OrderedDict):
 3     def __init__(self, capacity):
 4         super(LastUpdatedOrderedDict, self).__init__()
 5         self._capacity = capacity
 6     def __setitem__(self, key, value):
 7         containsKey = 1 if key in self else 0
 8         if len(self) - containsKey >= self._capacity:
 9             last = self.popitem(last=False)
10             print('remove:', last)
11         if containsKey:
12             del self[key]
13             print('set:', (key, value))
14         else:
15             print('add:', (key, value))
16         OrderedDict.__setitem__(self, key, value)

五、ChainMap

ChainMap能够把一组dict串起来并组成一个逻辑上的dict。ChainMap自己也是一个dict，可是查找的时候，会按照顺序在内部的dict依次查找。

何时使用ChainMap最合适？举个例子：应用程序每每都须要传入参数，参数能够经过命令行传入，能够经过环境变量传入，还能够有默认参数。咱们能够用ChainMap实现参数的优先级查找，即先查命令行参数，若是没有传入，再查环境变量，若是没有，就使用默认参数。

 

下面的代码演示了如何查找user和color这两个参数。

 

 1 from collections import ChainMap
 2 import os, argparse
 3 # 构造缺省参数:
 4 defaults = {
 5     'color': 'red',
 6     'user': 'guest'
 7 }
 8 # 构造命令行参数:
 9 parser = argparse.ArgumentParser()
10 parser.add_argument('-u', '--user')
11 parser.add_argument('-c', '--color')
12 namespace = parser.parse_args()
13 command_line_args = { k: v for k, v in vars(namespace).items() if v }
14 # 组合成ChainMap:
15 combined = ChainMap(command_line_args, os.environ, defaults)
16 # 打印参数:
17 print('color=%s' % combined['color'])
18 print('user=%s' % combined['user'])

 

没有任何参数时，打印出默认参数：

$ python3 use_chainmap.py 
color=red
user=guest

当传入命令行参数时，优先使用命令行参数：

1 $ python3 use_chainmap.py -u bob
2 color=red
3 user=bob

同时传入命令行参数和环境变量，命令行参数的优先级较高：

1 $ user=admin color=green python3 use_chainmap.py -u bob
2 color=green
3 user=bob

六、Counter

Counter是一个简单的计数器，例如，统计字符出现的个数：

 

from collections import Counter
>>> s = 'abbcccdddd'
>>> Counter(s)
Counter({'d': 4, 'c': 3, 'b': 2, 'a': 1})

 

Counter实际上也是dict的一个子类。

七、小结

collections模块提供了一些有用的集合类，能够根据须要选用。

更多精彩文章关注微信公众号【python社区营】

>>> from collections import defaultdict

>>> dd = defaultdict(lambda: 'defaultvalue')

>>> dd['key1'] = 'a'

>>> dd['key1']

'a'

>>> dd['key2'] # key2未定义，返回默认值

'defaultvalue'