详解Python 中的容器 collections

2023-07-18 17:14:03 70

写在之前

我们都知道Python中内置了许多标准的数据结构，比如列表，元组，字典等。与此同时标准库还提供了一些额外的数据结构，我们可以基于它们创建所需的新数据结构。

Python附带了一个「容器」模块collections，它包含了很多的容器数据类型，今天我们来讨论其中几个常用的容器数据类型，掌握了这几个可以减少我们重复造轮子所带来的烦扰。

namedtuple

相信你已经熟悉了元组。一个元组相当于一个不可变的列表，你可以存储一个数据的序列。这里要说的namedtuple（命名元组）和元组非常像，它们都不能修改自己的数据。说完了像，那么它们有哪些地方不像呢？

作为元组，为了获取其中的数据，我们需要使用整数作为索引：

>>>people=('Rocky','python')
>>>print(people[0])
Rocky

而namedtuple把元组变成了一个针对简单任务的容器，我们不必使用整数索引来访问namedtuple的数据，反而可以像用字典一样访问namedtuple。

>>>fromcollectionsimportnamedtuple
>>>people=namedtuple('people','nameagelike')
>>>Rocky=people(name='rocky',age=23,like='python')
>>>print(Rocky)
people(name='rocky',age=23,like='python')
>>>print(Rocky.name)
rocky

一个namedtuple有两个必须的参数：元组名称和字段名称。在上面的代码中，我们的元组名称是people，字段名称是name，age，like。nametuple让元组变的更加易读，很容易理解代码是做什么的，同样我们也不用使用整数索引来访问一个命名元组（上面代码我们用name访问了namedtuple中的数据），这让我们的代码更加容易维护。

但是你一定要记住的是，虽然它的用法很爽，但它还是一个元组！所以属性值在namedtuple中是不可变的。

我们在上面说过可以像用字典一样访问namedtuple，那么当然也可以把它转为字典，具体操作如下所示:

>>>fromcollectionsimportnamedtuple
>>>people=namedtuple('people','nameagelike')
>>>Rocky=people(name='rocky',age=23,like='python')
>>>print(Rocky._asdict())
OrderedDict([('name','rocky'),('age',23),('like','python')])

defaultdict

我之前在使用字典的时候相当随意，只是随便dict一下就好了，然而这样使用存在一个问题：当使用的key不存在的时候会报KeyError，而defaultdict就比较厉害了，我们完全不需要检查key是否存在，所以我们能像下面这样做的随心所欲：

fromcollectionsimportdefaultdict

languages=(
('rocky','python'),
('snow','c'),
('leey','java'),
('rocky','c++'),
('leey','c#')
)

favourite=defaultdict(list)

forname,languageinlanguages:
favourite[name].append(language)

print(favourite)

输出如下所示：

defaultdict(,{'leey':['java','c#'],'rocky':['python','c++'],'snow':['c']})

然后我们再回到“键不存在，会触发KeyError异常”这个问题上来，我们先来看dict触发KeyError的例子：

my_dict={}
my_dict['name']['like']='python'

输出如下：

KeyError:'name'

defaultdict则用了一个非常巧妙的方式绕过了这个问题，请看下面的操作：

importcollections
language=lambda:collections.defaultdict(language)
my_dict=language()
my_dict['name']['like']='python'

运行一下显示正常，我们可以用json.dumps打印出my_dict的内容：

importjson
print(json.dumps(my_dict))

运行结果如下：

{"name":{"like":"python"}}

Counter

Counter是一个计数器，它可以帮助我们针对某项数据进行计数，比如可以用它来统计每个人擅长的编程语言：

fromcollectionsimportCounter

languages=(
('rocky','python'),
('snow','c'),
('leey','java'),
('rocky','c++'),
('leey','c#')
)

cnt=Counter(nameforname,languageinlanguages)
print(cnt)

运行结果如下所示：

Counter({'leey':2,'rocky':2,'snow':1})

当然我们也可以用它来统计一个文件，比如：

fromcollectionsimportCounter

withopen('test.txt','rb')asf:
line_cnt=Counter(f)

print(line_cnt)

deque

deque提供了一个双端队列，我们可以在首尾两端添加或者删除元素

想要使用deque，首先我们要从collections中导入deque模块，然后创建一个deque对象，它的用法就像我们前面学过的list一样，并且提供了类似的方法，具体如下所示：

fromcollectionsimportdeque

deq=deque()
deq.append(1)
deq.append(2)
deq.append(3)
print(deq)
print(len(deq))
print(deq[0])
print(deq[-1])

输出结果如下：

deque([1,2,3])
3
1
3

我们可以从两端取出数据：

fromcollectionsimportdeque

deq=deque(range(5))
print('len(deq)=={}'.format(len(deq)))
deq.popleft()
deq.pop()
print(deq)

输出的结果如下所示：

len(deq)==5
deq==deque([1,2,3])

我们也可以对这个列表的大小进行限制，当超出我们的限制的时候，数据会从另一端被pop出去，具体我们来看下面的操作：

fromcollectionsimportdeque

deq=deque(maxlen=3)
deq.append(1)
deq.append(2)
deq.append(3)
print(deq)
deq.append(4)
print(deq)

输出的结果如下：

deque([1,2,3],maxlen=3)
deque([2,3,4],maxlen=3)

当超出maxlen的值时，最左边的数据将从队列中删除。

当然我们还可以从任意一端扩展这个双端队列中的数据：

fromcollectionsimportdeque

deq=deque([1,2,3])
deq.extendleft([0])
deq.extend([4,5,6])
print(deq)

输出的结果如下所示：

deque([0,1,2,3,4,5,6])

以上就是详解Python中的容器collections的详细内容，更多关于pythoncollections的资料请关注毛票票其它相关文章！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

详解Python 中的容器 collections

热门推荐

随机推荐