Python collections使用

作者：大雄good
链接：https://www.jianshu.com/p/f2a429aa5963

collections

collections为python提供了一些加强版的数据结构，当前有：

>>> collections.__all__
['deque', 'defaultdict', 'namedtuple', 'UserDict', 'UserList', 'UserString', 'Counter', 'OrderedDict', 'ChainMap', 'Awaitable', 'Coroutine', 'AsyncIterable', 'AsyncIterator', 'AsyncGenerator', 'Hashable', 'Iterable', 'Iterator', 'Generator', 'Reversible', 'Sized', 'Container', 'Callable', 'Collection', 'Set', 'MutableSet', 'Mapping', 'MutableMapping', 'MappingView', 'KeysView', 'ItemsView', 'ValuesView', 'Sequence', 'MutableSequence', 'ByteString']

1.OrderedDict

OrderedDict 可以理解为有序的dict，底层源码是通过双向链表来实现，每一个元素为一个map存储key-value。

>>> p = collections.OrderedDict()
>>> p["a"]=1
>>> p["b"]=2
>>> p["c"]=3
>>> print(p)
OrderedDict([('a', 1), ('b', 2), ('c', 3)])

OrderedDict提供了下面的一些api。

>>> p.
p.clear(        p.fromkeys(     p.items(        p.move_to_end(  p.popitem(      p.update(
p.copy(         p.get(          p.keys(         p.pop(          p.setdefault(   p.values(

简单地试一下update，pop，move_to_end和clear

>>> keys=["apple", "banana", "cat"]
>>> value=[4, 5, 6]
# update
>>> p.update(zip(keys,value))
>>> p
OrderedDict([('a', 1), ('b', 2), ('c', 3), ('apple', 4), ('banana', 5), ('cat', 6)])
# pop
>>> p.pop('a')
1
>>> p
OrderedDict([('b', 2), ('c', 3), ('apple', 4), ('banana', 5), ('cat', 6)])
# move_to_end
>>> p.move_to_end('b')
>>> p
OrderedDict([('c', 3), ('apple', 4), ('banana', 5), ('cat', 6), ('b', 2)])
# del
>>> del(p['c'])
>>> p
OrderedDict([('apple', 4), ('banana', 5), ('cat', 6), ('b', 2)])
# clear
>>> p.clear()
>>> p
OrderedDict()

2.namedtuple

当tuple太长的时候，有时候就不知道数据的对应关系，namedtuple就是给tuple的元素命名。

>>> Point = namedtuple('Point', ['x', 'y'])
>>> Point.__doc__                   # docstring for the new class
'Point(x, y)'
>>> p = Point(11, y=22)             # instantiate with positional args or keywords

namedtuple既支持tupleindex的访问方式，也支持通过属性访问

>>> p[0] + p[1]                     # indexable like a plain tuple
33
>>> x, y = p                        # unpack like a regular tuple
>>> x, y
(11, 22)
>>> p.x + p.y                       # fields also accessible by name
33

namedtuple和dict的互转，严格说是与OrderedDict互转，因为_asdict返回的是一个OrderedDict

>>> d = p._asdict()                 # convert to a dictionary
>>> d
OrderedDict([('x', 11), ('y', 22)])
>>> Point(**d)                      # convert from a dictionary Point(x=11, y=22)
>>> p._replace(x=100)               # _replace() is like str.replace() but targets named fields
Point(x=100, y=22)

关于namedtuple的思考，我觉得大多数情况下，namedtuple都是可以用OrderedDict完美替换的，但是如果说我们需要一个OrderedDict模板的时候，像如下情况，namedtuple就更加有效率：

>>> a=Point(1,1)
>>> b=Point(2,2)
>>> a
Point(x=1, y=1)
>>> b
Point(x=2, y=2)

3.deque

deque是一个双向链表，针对list连续的数据结构插入和删除进行优化。提供以下的api：

>>> deque.
deque.append(      deque.clear(       deque.count(       deque.extendleft(  deque.insert(      deque.mro(         deque.popleft(     deque.reverse(
deque.appendleft(  deque.copy(        deque.extend(      deque.index(       deque.maxlen       deque.pop(         deque.remove(      deque.rotate(

简单体验一把rotate 和 reverse。

>>> a=deque(range(6))
>>> a
deque([0, 1, 2, 3, 4, 5])
>>> a.rotate()
>>> a
deque([5, 0, 1, 2, 3, 4])
>>> a.reverse()
>>> a
deque([4, 3, 2, 1, 0, 5])

4.defaultdict

defaultdict当修改未初始化的key-value时，会用默认值替换，其他功能与dict相同：

>>> a=defaultdict(list)         # list's default value is []
>>> a["first"].append(1)
>>> a
defaultdict(<class 'list'>, {'first': [1]})
>>> a["second"].append(1)
>>> a
defaultdict(<class 'list'>, {'first': [1], 'second': [1]})
>>> b=defaultdict(int)          # int's default value is 0
>>> b["a"] +=1
>>> b["b"] +=10
>>> b

同时初始化时，可以通过callback函数传入初始化值：

>>> c=defaultdict(lambda :1)    # default value is 1
>>> c["c"] +=1
>>> c
defaultdict(<function <lambda> at 0x101a25488>, {'c': 2})

5.Counter

Counter是dict的子类，所以操作同dict，在此基础上，又添加了most_common(),elements().

>>> from collections import Counter
>>> a=Counter("abca")
>>> a
Counter({'a': 2, 'b': 1, 'c': 1})
>>> a["a"]
2
>>> a.elements()
<itertools.chain object at 0x10190ed30>
>>> sorted(a.elements())
['a', 'a', 'b', 'c']
>>> a.most_common(1)
[('a', 2)]
>>> a.most_common()
[('a', 2), ('b', 1), ('c', 1)]