python3中的collections模块 defaultdict,deque,namedtuple,ordereddict,counter

最新推荐文章于 2023-02-01 11:25:57 发布

songhao8080

最新推荐文章于 2023-02-01 11:25:57 发布

阅读量293

点赞数

本文链接：https://blog.csdn.net/songhao8080/article/details/103670217

版权

Python附带一个模块，它包含许多容器数据类型，名字叫作collections。我们将讨论它的作用和用法。
我们将讨论的是：
defaultdict
counter
deque
namedtuple
enum.Enum (包含在Python 3.4以上)

1. defaultdict

Python

In [23]: <a href="https://www.168seo.cn/tag/collections" title="View all posts in collections" target="_blank">collections</a>.<a href="https://www.168seo.cn/tag/defaultdict" title="View all posts in defaultdict" target="_blank">defaultdict</a>? Init signature: <a href="https://www.168seo.cn/tag/collections" title="View all posts in collections" target="_blank">collections</a>.defaultdict(self, /, *args, **kwargs) Docstring: defaultdict(default_factory[, ...]) --> dict with default factory The default factory is called without arguments to produce a new value when a key is not present, in __getitem__ only. A defaultdict compares equal to a dict with the same items. All remaining arguments are treated the same as if they were passed to the dict constructor, including keyword arguments. File: /usr/local/Cellar/python3/3.6.2/Frameworks/Python.framework/Versions/3.6/lib/python3.6/collections/__init__.py Type: type In [25]: cc = collections.defaultdict() In [26]: cc Out[26]: defaultdict(None, {}) In [27]: isinstance(cc,dict) Out[27]: True # defaultdict 有着dict的全部功能,也就是一个特殊的字典

In [ 23 ] : collections . defaultdict ?

Init signature : collections . defaultdict ( self , / , * args , * * kwargs )

Docstring :

defaultdict ( default_factory [ , . . . ] ) -- > dict with default factory

The default factory is called without arguments to produce

a new value when a key is not present , in __getitem__ only .

A defaultdict compares equal to a dict with the same items .

All remaining arguments are treated the same as if they were

passed to the dict constructor , including keyword arguments .

File : / usr / local / Cellar / python3 / 3.6.2 / Frameworks / Python . framework / Versions / 3.6 / lib / python3 . 6 / collections / __init__ . py

Type : type

In [ 25 ] : cc = collections . defaultdict ( )

In [ 26 ] : cc

Out [ 26 ] : defaultdict ( None , { } )

In [ 27 ] : isinstance ( cc , dict )

Out [ 27 ] : True # defaultdict 有着dict的全部功能,也就是一个特殊的字典

我个人使用defaultdict较多，与dict类型不同，你不需要检查key是否存在，所以我们能这样做：

Python

from collections import defaultdict colours = ( ('Yasoob', 'Yellow'), ('Ali', 'Blue'), ('Arham', 'Green'), ('Ali', 'Black'), ('Yasoob', 'Red'), ('Ahmed', 'Silver'), ) favourite_colours = defaultdict(list) for name, colour in colours: favourite_colours[name].append(colour) print(favourite_colours) 运行输出 # defaultdict(<type 'list'>, # {'Arham': ['Green'], # 'Yasoob': ['Yellow', 'Red'], # 'Ahmed': ['Silver'], # 'Ali': ['Blue', 'Black'] # })

from collections import defaultdict

colours = (

( 'Yasoob' , 'Yellow' ) ,

( 'Ali' , 'Blue' ) ,

( 'Arham' , 'Green' ) ,

( 'Ali' , 'Black' ) ,

( 'Yasoob' , 'Red' ) ,

( 'Ahmed' , 'Silver' ) ,

)

favourite_colours = defaultdict ( list )

for name , colour in colours :

favourite_colours [ name ] . append ( colour )

print ( favourite_colours )

运行输出

# defaultdict(<type 'list'>,

# {'Arham': ['Green'],

# 'Yasoob': ['Yellow', 'Red'],

# 'Ahmed': ['Silver'],

# 'Ali': ['Blue', 'Black']

# })

另一种重要的是例子就是：当你在一个字典中对一个键进行嵌套赋值时，如果这个键不存在，会触发keyError异常。 defaultdict允许我们用一个聪明的方式绕过这个问题。首先我分享一个使用dict触发KeyError的例子，然后提供一个使用defaultdict的解决方案。
问题：

Python

some_dict = {} some_dict['colours']['favourite'] = "yellow" ## 异常输出：KeyError: 'colours' 解决方案： import collections tree = lambda: collections.defaultdict(tree) some_dict = tree() some_dict['colours']['favourite'] = "yellow" ## 运行正常你可以用json.dumps打印出some_dict，例如： import json print(json.dumps(some_dict)) ## 输出: {"colours": {"favourite": "yellow"}}

some_dict = { }

some_dict [ 'colours' ] [ 'favourite' ] = "yellow"

## 异常输出：KeyError: 'colours'

解决方案：

import collections

tree = lambda : collections . defaultdict ( tree )

some_dict = tree ( )

some_dict [ 'colours' ] [ 'favourite' ] = "yellow"

## 运行正常

你可以用 json . dumps打印出 some _dict，例如：

import json

print ( json . dumps ( some_dict ) )

## 输出: {"colours": {"favourite": "yellow"}}

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。比如它可以用来计算每个人喜欢多少种颜色：

Python

from collections import <a href="https://www.168seo.cn/tag/counter" title="View all posts in Counter" target="_blank">Counter</a> colours = ( ('Yasoob', 'Yellow'), ('Ali', 'Blue'), ('Arham', 'Green'), ('Ali', 'Black'), ('Yasoob', 'Red'), ('Ahmed', 'Silver'), ) favs = <a href="https://www.168seo.cn/tag/counter" title="View all posts in Counter" target="_blank">Counter</a>(name for name, colour in colours) print(favs) ## 输出: ## <a href="https://www.168seo.cn/tag/counter" title="View all posts in Counter" target="_blank">Counter</a>({ ## 'Yasoob': 2, ## 'Ali': 2, ## 'Arham': 1, ## 'Ahmed': 1 ## }) 我们也可以在利用它统计一个文件，例如： with open('filename', 'rb') as f: line_count = Counter(f) print(line_count)

from collections import Counter

colours = (

( 'Yasoob' , 'Yellow' ) ,

( 'Ali' , 'Blue' ) ,

( 'Arham' , 'Green' ) ,

( 'Ali' , 'Black' ) ,

( 'Yasoob' , 'Red' ) ,

( 'Ahmed' , 'Silver' ) ,

)

favs = Counter ( name for name , colour in colours )

print ( favs )

## 输出:

## Counter({

## 'Yasoob': 2,

## 'Ali': 2,

## 'Arham': 1,

## 'Ahmed': 1

## })

我们也可以在利用它统计一个文件，例如：

with open ( 'filename' , 'rb' ) as f :

line_count = Counter ( f )

print ( line_count )

deque

deque提供了一个双端队列，你可以从头/尾两端添加或删除元素。要想使用它，首先我们要从collections中导入deque模块：

Python

from collections import deque 现在，你可以创建一个deque对象。 d = deque() 它的用法就像<a href="http://www.168seo.cn/python" title="python">python</a>的list，并且提供了类似的方法，例如： d = deque() d.append('1') d.append('2') d.append('3') print(len(d)) ## 输出: 3 print(d[0]) ## 输出: '1' print(d[-1]) ## 输出: '3' 你可以从两端取出(pop)数据： d = deque(range(5)) print(len(d)) ## 输出: 5 d.popleft() ## 输出: 0 d.pop() ## 输出: 4 print(d) ## 输出: deque([1, 2, 3])

from collections import deque

现在，你可以创建一个 deque对象。

d = deque ( )

它的用法就像 python的 list，并且提供了类似的方法，例如：

d = deque ( )

d . append ( '1' )

d . append ( '2' )

d . append ( '3' )

print ( len ( d ) )

## 输出: 3

print ( d [ 0 ] )

## 输出: '1'

print ( d [ - 1 ] )

## 输出: '3'

你可以从两端取出 ( pop )数据：

d = deque ( range ( 5 ) )

print ( len ( d ) )

## 输出: 5

d . popleft ( )

## 输出: 0

d . pop ( )

## 输出: 4

print ( d )

## 输出: deque([1, 2, 3])

我们也可以限制这个列表的大小，当超出你设定的限制时，数据会从对队列另一端被挤出去(pop)。
最好的解释是给出一个例子：

Python

d = deque(maxlen=30)

1	d = deque ( maxlen = 30 )

现在当你插入30条数据时，最左边一端的数据将从队列中删除。
你还可以从任一端扩展这个队列中的数据：

Python

d = deque([1,2,3,4,5]) d.extendleft([0]) d.extend([6,7,8]) print(d) ## 输出: deque([0, 1, 2, 3, 4, 5, 6, 7, 8])

d = deque ( [ 1 , 2 , 3 , 4 , 5 ] )

d . extendleft ( [ 0 ] )

d . extend ( [ 6 , 7 , 8 ] )

print ( d )

## 输出: deque([0, 1, 2, 3, 4, 5, 6, 7, 8])

namedtuple

您可能已经熟悉元组。
一个元组是一个不可变的列表，你可以存储一个数据的序列，它和命名元组(namedtuples)非常像，但有几个关键的不同。
主要相似点是都不像列表，你不能修改元组中的数据。为了获取元组中的数据，你需要使用整数作为索引：

Python

man = ('Ali', 30) print(man[0]) ## 输出: Ali

man = ( 'Ali' , 30 )

print ( man [ 0 ] )

## 输出: Ali

嗯，那namedtuples是什么呢？它把元组变成一个针对简单任务的容器。你不必使用整数索引来访问一个namedtuples的数据。你可以像字典(dict)一样访问namedtuples，但namedtuples是不可变的。

Python

from collections import namedtuple Animal = namedtuple('Animal', 'name age type') perry = Animal(name="perry", age=31, type="cat") print(perry) ## 输出: Animal(name='perry', age=31, type='cat') print(perry.name) ## 输出: 'perry'

from collections import namedtuple

Animal = namedtuple ( 'Animal' , 'name age type' )

perry = Animal ( name = "perry" , age = 31 , type = "cat" )

print ( perry )

## 输出: Animal(name='perry', age=31, type='cat')

print ( perry . name )

## 输出: 'perry'

现在你可以看到，我们可以用名字来访问namedtuple中的数据。我们再继续分析它。一个命名元组(namedtuple)有两个必需的参数。它们是元组名称和字段名称。
在上面的例子中，我们的元组名称是Animal，字段名称是'name'，'age'和'type'。
namedtuple让你的元组变得自文档了。你只要看一眼就很容易理解代码是做什么的。
你也不必使用整数索引来访问一个命名元组，这让你的代码更易于维护。
而且，namedtuple的每个实例没有对象字典，所以它们很轻量，与普通的元组比，并不需要更多的内存。这使得它们比字典更快。

Python

from collections import namedtuple Animal = namedtuple('Animal', 'name age type') perry = Animal(name="perry", age=31, type="cat") perry.age = 42 ## 输出: ## Traceback (most recent call last): ## File "", line 1, in ## AttributeError: can't set attribute 你应该使用命名元组来让代码自文档，它们向后兼容于普通的元组，这意味着你可以既使用整数索引，也可以使用名称来访问namedtuple： from collections import namedtuple Animal = namedtuple('Animal', 'name age type') perry = Animal(name="perry", age=31, type="cat") print(perry[0]) ## 输出: perry

from collections import namedtuple

Animal = namedtuple ( 'Animal' , 'name age type' )

perry = Animal ( name = "perry" , age = 31 , type = "cat" )

perry . age = 42

## 输出:

## Traceback (most recent call last):

## File "", line 1, in

## AttributeError: can't set attribute

你应该使用命名元组来让代码自文档，它们向后兼容于普通的元组，这意味着你可以既使用整数索引，也可以使用名称来访问 namedtuple：

from collections import namedtuple

Animal = namedtuple ( 'Animal' , 'name age type' )

perry = Animal ( name = "perry" , age = 31 , type = "cat" )

print ( perry [ 0 ] )

## 输出: perry

Python

最后，你可以将一个命名元组转换为字典，方法如下： from collections import namedtuple Animal = namedtuple('Animal', 'name age type') perry = Animal(name="Perry", age=31, type="cat") print(perry._asdict()) ## 输出: OrderedDict([('name', 'Perry'), ('age', 31), ... enum.Enum (Python 3.4+)

最后，你可以将一个命名元组转换为字典，方法如下：

from collections import namedtuple

Animal = namedtuple ( 'Animal' , 'name age type' )

perry = Animal ( name = "Perry" , age = 31 , type = "cat" )

print ( perry . _asdict ( ) )

## 输出: OrderedDict([('name', 'Perry'), ('age', 31), ...

enum . Enum ( Python 3.4 + )

另一个有用的容器是枚举对象，它属于enum模块，存在于Python 3.4以上版本中（同时作为一个独立的PyPI包enum34供老版本使用）。Enums(枚举类型)基本上是一种组织各种东西的方式。
让我们回顾一下上一个'Animal'命名元组的例子。
它有一个type字段，问题是，type是一个字符串。
那么问题来了，万一程序员输入了Cat，因为他按到了Shift键，或者输入了'CAT'，甚至'kitten'？
枚举可以帮助我们避免这个问题，通过不使用字符串。考虑以下这个例子：

Python

from collections import namedtuple from enum import Enum class Species(Enum): cat = 1 dog = 2 horse = 3 aardvark = 4 butterfly = 5 owl = 6 platypus = 7 dragon = 8 unicorn = 9 # 依次类推 # 但我们并不想关心同一物种的年龄，所以我们可以使用一个别名 kitten = 1 # (译者注：幼小的猫咪) puppy = 2 # (译者注：幼小的狗狗) Animal = namedtuple('Animal', 'name age type') perry = Animal(name="Perry", age=31, type=Species.cat) drogon = Animal(name="Drogon", age=4, type=Species.dragon) tom = Animal(name="Tom", age=75, type=Species.cat) charlie = Animal(name="Charlie", age=2, type=Species.kitten) 现在，我们进行一些测试： >>> charlie.type == tom.type True >>> charlie.type <Species.cat: 1> 这样就没那么容易错误，我们必须更明确，而且我们应该只使用定义后的枚举类型。有三种方法访问枚举数据，例如以下方法都可以获取到'cat'的值： Species(1) Species['cat'] Species.cat