3.python基础补充（集合，collection系列，深浅拷贝）
一.集合
1.集合(set)：
把不同的元素组成一起形成集合，是python基本的数据类型。集合元素(set elements):组成集合的成员
python的set和其他语言类似, 是一个无序不重复元素集, 基本功能包括关系测试和消除重复元素. 集合对象还支持union(联合), intersection(交), difference(差)和sysmmetric difference(对称差集)等数学运算.
sets 支持 x in set, len(set),和 for x in set。作为一个无序的集合，sets不记录元素位置或者插入点。因此，sets不支持 indexing, slicing, 或其它类序列（sequence-like）的操作。
2.集合的创建
|
1
2
3
4
5
6
7
8
9
10
11
|
se
=
set
([
11
,
22
,
33
,
44
])
print
(se)
{
33
,
11
,
44
,
22
}
print
(
type
(se))
<
class
'set'
>
或者
>>> se
=
{
'huang'
,
'xu'
}
>>> se
{
'xu'
,
'huang'
}
>>>
type
(se)
<
class
'set'
>
|
集合的使用
具体用法：
1.add(添加元素)
|
1
2
3
|
>>> se.add(
'123'
)
>>> se
{
'xu'
,
'huang'
,
'123'
}
|
2.clear(清空集合)
|
1
2
3
|
>>> se.clear()
>>> se
set
()
|
3.copy(浅拷贝)
|
1
2
3
4
|
>>> se_1
=
{
'huang'
,
'xu'
}
>>> se_2
=
se_1.copy()
>>> se_2
{
'xu'
,
'huang'
}
|
4.difference差异比较
|
1
2
3
4
5
6
7
8
|
>>> se_1
=
{
'huang'
,
'xu'
,
'shi'
,
'shei'
}
>>> se_2
=
{
'haode'
,
'shi'
,
'huang'
}
#取出se_2中在se_1所没有的元素
>>> se_1.difference(se_2)
{
'xu'
,
'shei'
}
#取出se_1中在se_2所没有的元素
>>> se_2.difference(se_1)
{
'haode'
}
|
5.difference_update差异更新
|
1
2
3
4
5
6
7
|
>>> se_1
{
'shi'
,
'xu'
,
'huang'
}
>>> se_2
{
'shi'
,
'huang'
,
'haode'
}
>>> se_1.difference_update(se_2)
>>> se_1
{
'xu'
}
|
6.discard移除指定元素
|
1
2
3
4
5
|
>>> se_1
{
'shi'
,
'xu'
,
'shei'
,
'huang'
}
>>> se_1.discard(
'shei'
)
>>> se_1
{
'shi'
,
'xu'
,
'huang'
}
|
7.intersection取交集并且建立新的集合
|
1
2
3
4
|
>>> se_1={
'huang'
,
'xu'
,
'shi'
,
'sha'
,
'bi'
}
>>> se_2={
'huang'
,
'xu'
,
'shi'
,
'er'
,
'bi'
}
>>> se_1.intersection(se_2)
{
'huang'
,
'shi'
,
'xu'
,
'bi'
}
|
8.intersection_update取交集并且更新原来的集合
|
1
2
3
4
5
|
>>> se_1
=
{
'huang'
,
'xu'
,
'shi'
,
'sha'
,
'bi'
}
>>> se_2
=
{
'huang'
,
'xu'
,
'shi'
,
'er'
,
'bi'
}
>>> se_1.intersection_update(se_2)
>>> se_1
{
'huang'
,
'shi'
,
'xu'
,
'bi'
}
|
9.isdisjoint判断没有交集，没有返回true，有返回false
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> se_1={
'huang'
,
'xu'
,
'shi'
,
'sha'
,
'bi'
}
>>> se_2={
'huang'
,
'xu'
,
'shi'
,
'er'
,
'bi'
}
>>> se_1.isdisjoint(se_2)
False
>>> se_2.isdisjoint(se_1)
False
或
>>> se_1={
'huang'
,
'xu'
}
>>> se_2={
'huangg'
,
'xuu'
}
>>> se_2.isdisjoint(se_1)
True
|
10.issubset判断是否为子集
|
1
2
3
4
5
|
>>> se_1
=
{
'huang'
,
'xu'
}
>>> se_2
=
{
'huang'
,
'xu'
,
'shabi'
}
#判断se_1是否为se_2的子集
>>> se_1.issubset(se_2)
True
|
11.issuperset判断是否为父集
|
1
2
3
4
5
6
7
8
9
|
>>> se_1
=
{
'huang'
,
'xu'
}
>>> se_2
=
{
'huang'
,
'xu'
,
'shabi'
}
#判断se_1是否为se_2的父集
>>> se_1.issuperset(se_2)
False
#判断se_2是否为se_1的父集
>>> se_2.issuperset(se_1)
True
>>>
|
12.pop移除集合元素
|
1
2
3
|
>>> se_1
=
{
'huang'
,
'xu'
,
'sha'
,
'bi'
}
>>> se_1.pop()
'sha'
|
13.remove删除指定元素集合
|
1
2
3
4
5
|
>>> se_1
=
{
'huang'
,
'xu'
,
'sha'
,
'bi'
}
>>> se_1.remove(
'bi'
)
>>> se_1
{
'sha'
,
'liu'
,
'yao'
}
>>>
|
14.symmetric_difference取两个集合的差集，并建立新的元素
|
1
2
3
4
5
6
7
|
>>> se_1
=
{
'huang'
,
'xu'
,
'sha'
,
'bi'
}
>>> se_2
=
{
'huang'
,
'xu'
,
'shabi'
}
>>> se_1.symmetric_difference(se_2)
{
'sha'
,
'shabi'
,
'bi'
}
>>> b
=
se_1.symmetric_difference(se_2)
>>> b
{
'sha'
,
'shabi'
,
'bi'
}
|
15.symmetric_difference_update取两个集合的差集，更新原来的集合对象
|
1
2
3
4
5
|
>>> se_1
=
{
'huang'
,
'xu'
,
'sha'
,
'bi'
}
>>> se_2
=
{
'huang'
,
'xu'
,
'shabi'
}
>>> se_1.symmetric_difference_update(se_2)
>>> se_1
{
'sha'
,
'shabi'
,
'bi'
}
|
16.union并集
|
1
2
3
4
5
6
|
>>> se_1
{
'sha'
,
'shabi'
,
'bi'
}
>>> se_2
{
'shabi'
,
'huang'
,
'xu'
}
>>> se_1.union(se_2)
{
'xu'
,
'sha'
,
'shabi'
,
'huang'
,
'bi'
}
|
17.update更新集合
|
1
2
3
4
5
|
>>> se_1
{
'sha'
,
'shabi'
,
'bi'
}
>>> se_1.update(
'liuxu'
)
>>> se_1
{
'x'
,
'u'
,
'shabi'
,
'bi'
,
'u'
,
'i'
,
'sha'
,
'l'
,
'a'
}
|
案例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
old_dict
=
{
"#1"
:{
'hostname'
:
'c1'
,
'cpu_count'
:
2
,
'mem_capicity'
:
80
},
"#2"
:{
'hostname'
:
'c1'
,
'cpu_count'
:
2
,
'mem_capicity'
:
80
},
"#3"
:{
'hostname'
:
'c1'
,
'cpu_count'
:
2
,
'mem_capicity'
:
80
}
}
new_dict
=
{
"#1"
:{
'hostname'
:
'c1'
,
'cpu_count'
:
2
,
'mem_capicity'
:
800
},
"#3"
:{
'hostname'
:
'c1'
,
'cpu_count'
:
2
,
'mem_capicity'
:
80
},
"#4"
:{
'hostname'
:
'c2'
,
'cpu_count'
:
2
,
'mem_capicity'
:
80
}
}
#获取old_dict元素
old
=
set
(old_dict.keys())
print
(old)
#获取new_dict元素
new
=
set
(new_dict.keys())
print
(new)
#要更新的集合元素（交集）
update_set
=
old.intersection(new)
print
(update_set)
#获取要删除的集合元素（差集）
delete_set
=
old.difference(new)
print
(delete_set)
#获取要添加的集合元素()
add_set
=
new.difference(update_set)
print
(add_set)
|
二.collection系列
collections模块自Python 2.4版本开始被引入，包含了dict、set、list、tuple以外的一些特殊的容器类型，分别是：
OrderedDict类：排序字典，是字典的子类。引入自2.7。
namedtuple()函数：命名元组，是一个工厂函数。引入自2.6。
Counter类：为hashable对象计数，是字典的子类。引入自2.7。
deque：双向队列。引入自2.4。
defaultdict：使用工厂函数创建字典，使不用考虑缺失的字典键。引入自2.5。
文档参见：http://docs.python.org/2/library/collections.html
使用的时候需要用import导入collections模块
1.计数器（counter）
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。
（1）创建
创建一个空的Counter类
|
1
2
3
4
5
6
7
8
9
|
import
collections
c
=
collections.Counter()
# 创建一个空的Counter类
print
(c)
c
=
collections.Counter(
'asdfghjjhgfdqwer'
)
print
(c)
c
=
collections.Counter({
'a'
:
4
,
'b'
:
2
})
#从一个字典对象创建
print
(c)
c
=
collections.Counter(a
=
4
, b
=
2
)
# 从一组键值对创建
print
(c)
|
结果：
|
1
2
3
4
|
Counter()
Counter({
'd'
:
2
,
'f'
:
2
,
'h'
:
2
,
'g'
:
2
,
'j'
:
2
,
's'
:
1
,
'a'
:
1
,
'r'
:
1
,
'q'
:
1
,
'e'
:
1
,
'w'
:
1
})
Counter({
'a'
:
4
,
'b'
:
2
})
Counter({
'a'
:
4
,
'b'
:
2
})
|
(2).计数值的访问
当所访问的键不存在时，返回0，而不是KeyError；否则返回它的计数。
|
1
2
3
4
5
6
7
8
9
|
>>>
import
collections
>>> c
=
collections.Counter(
'asdfgdsasdf'
)
>>> c[
'a'
]
2
>>> c[
'h'
]
0
>>> c[
's'
]
3
>>>
|
(3).计数器的更新与减少
1.update()更新
|
1
2
3
4
5
6
|
>>> c
Counter({
's'
:
3
,
'd'
:
3
,
'a'
:
2
,
'f'
:
2
,
'g'
:
1
})
>>> c
=
collections.Counter(
'update'
)
>>> c.update(
'update'
)
>>> c
Counter({
'a'
:
2
,
'e'
:
2
,
'd'
:
2
,
'p'
:
2
,
'u'
:
2
,
't'
:
2
})
|
2.subtract()减少
|
1
2
3
4
5
6
7
|
>>> c
=
collections.Counter(
'subtract'
)
>>> c
Counter({
't'
:
2
,
'a'
:
1
,
'c'
:
1
,
'b'
:
1
,
's'
:
1
,
'r'
:
1
,
'u'
:
1
})
>>> c.subtract(
'subtract'
)
>>> c
Counter({
'a'
:
0
,
'c'
:
0
,
'b'
:
0
,
's'
:
0
,
'r'
:
0
,
'u'
:
0
,
't'
:
0
})
>>>
|
（4）键的删除
当计数值为0时，并不意味着元素被删除，删除元素应当使用del
|
1
2
3
4
5
6
7
8
|
>>> c
=
collections.Counter(
'abcdcba'
)
>>> c[
'b'
]
=
0
>>> c
Counter({
'a'
:
2
,
'c'
:
2
,
'd'
:
1
,
'b'
:
0
})
>>>
del
c[
'a'
]
>>> c
Counter({
'c'
:
2
,
'd'
:
1
,
'b'
:
0
})
>>>
|
(5) 迭代器
返回一个迭代器。元素被重复了多少次，在该迭代器中就包含多少个该元素。所有元素按照字母序排序，个数小于1的元素不被包含。
|
1
2
3
4
|
>>> c
=
collections.Counter(
'abcdcba'
)
>>>
list
(c.elements())
[
'a'
,
'a'
,
'c'
,
'c'
,
'b'
,
'b'
,
'd'
]
>>>
|
（5）most_common([n])
返回一个TopN列表。如果n没有被指定，则返回所有元素。当多个元素计数值相同时，按照字母序排列。
|
1
2
3
|
>>> c
=
collections.Counter(
'abcdcba'
)
>>> c.most_common()
[(
'a'
,
2
), (
'c'
,
2
), (
'b'
,
2
), (
'd'
,
1
)]
|
（6）浅拷贝
|
1
2
3
4
5
6
7
|
>>> c
=
collections.Counter(
'abcdcba'
)
>>> c
Counter({
'a'
:
2
,
'c'
:
2
,
'b'
:
2
,
'd'
:
1
})
>>> cc
=
c.copy()
>>> cc
Counter({
'a'
:
2
,
'c'
:
2
,
'b'
:
2
,
'd'
:
1
})
>>>
|
（7）算术与集合操作
+、-、&、|操作也可以用于Counter。其中&和|操作分别返回两个Counter对象各元素的最小值和最大值。需要注意的是，得到的Counter对象将删除小于1的元素。
|
1
2
3
4
5
6
7
8
9
10
|
>>> c
=
collections.Counter(a
=
3
, b
=
1
)
>>> d
=
collections.Counter(a
=
1
, b
=
2
)
>>> c
+
d
Counter({
'a'
:
4
,
'b'
:
3
})
>>> c
-
d
Counter({
'a'
:
2
})
>>> c&d
Counter({
'a'
:
1
,
'b'
:
1
})
>>> c|d
Counter({
'a'
:
3
,
'b'
:
2
})
|
一些Counter类的常用操作，来源于Python官方文档
|
1
2
3
4
5
6
7
8
9
|
sum
(c.values())
# 所有计数的总数
c.clear()
# 重置Counter对象，注意不是删除
list
(c)
# 将c中的键转为列表
set
(c)
# 将c中的键转为set
dict
(c)
# 将c中的键值对转为字典
c.items()
# 转为(elem, cnt)格式的列表
Counter(
dict
(list_of_pairs))
# 从(elem, cnt)格式的列表转换为Counter类对象
c.most_common()[:
-
n:
-
1
]
# 取出计数最少的n个元素
c
+
=
Counter()
# 移除0和负值
|
2.有序字典(orderedDict )
有序字典继承字典的一切属性，只是在顺序上是有序的。
|
1
2
3
4
5
6
|
>>>
import
collections
>>> info
=
collections.OrderedDict({
'name'
:
'huangxu'
,
'age'
:
21
})
>>> info
OrderedDict([(
'age'
,
21
), (
'name'
,
'huangxu'
)])
>>>
type
(info)
<
class
'collections.OrderedDict'
>
|
|
1
2
3
4
5
6
7
8
|
import
collections
info
=
collections.OrderedDict(name
=
'huangxu'
,age
=
'21'
,job
=
'IT'
)
print
(info)
print
(info.keys())
print
(info.values())
OrderedDict([(
'age'
,
'21'
), (
'name'
,
'huangxu'
), (
'job'
,
'IT'
)])
odict_keys([
'age'
,
'name'
,
'job'
])
odict_values([
'21'
,
'huangxu'
,
'IT'
])
|
一些功能：
(1).move_to_end将指定的键值对从开头移动到末尾。
|
1
2
3
4
5
|
>>>
import
collections
>>> info
=
collections.OrderedDict(name
=
'liuyao'
,age
=
'21'
,job
=
'IT'
)
>>> info.move_to_end(
'name'
)
>>> info
OrderedDict([(
'age'
,
'21'
), (
'job'
,
'IT'
), (
'name'
,
'huangxu'
)])
|
(2).pop删除字典键值，返回删除的键值的values
|
1
2
3
4
5
6
|
>>> info
=
collections.OrderedDict(name
=
'huangxu'
,age
=
'21'
,job
=
'IT'
)
>>> info.pop(
'job'
)
'IT'
>>> info
OrderedDict([(
'age'
,
'21'
), (
'name'
,
'huangxu'
)])
>>>
|
(3).clear清除有序字典的值
|
1
2
3
4
|
>>> info
=
collections.OrderedDict(name
=
'huangxu'
,age
=
'21'
,job
=
'IT'
)
>>> info.clear()
>>> info
OrderedDict()
|
|
1
2
3
4
5
6
7
8
9
10
|
import
collections
info
=
collections.OrderedDict(name
=
'huangxu'
,age
=
'21'
,job
=
'IT'
)
print
(info)
print
(info.keys())
print
(info.values())
print
(info.items())
OrderedDict([(
'age'
,
'21'
), (
'job'
,
'IT'
), (
'name'
,
'huangxu'
)])
odict_keys([
'age'
,
'job'
,
'name'
])
odict_values([
'21'
,
'IT'
,
'huangxu'
])
odict_items([(
'age'
,
'21'
), (
'job'
,
'IT'
), (
'name'
,
'huangxu'
)])
|
3.默认字典(defaultdict)
这里的defaultdict(function_factory)构建的是一个类似dictionary的对象，其中keys的值，自行确定赋值，但是values的类型，是function_factory的类实例，而且具有默认值。比如default(int)则创建一个类似dictionary对象，里面任何的values都是int的实例，而且就算是一个不存在的key, d[key] 也有一个默认值，这个默认值是int()的默认值0.
defaultdict是对字典的类型的补充，他默认给字典的值设置了一个类型。创建一个默认字典，value值类型为列表.dic = collections.defaultdict(list)
例:
|
1
2
3
4
5
6
7
8
|
import
collections
s
=
[(
'yellow'
,
1
), (
'blue'
,
2
), (
'yellow'
,
3
), (
'blue'
,
4
), (
'red'
,
1
)]
d
=
collections.defaultdict(
list
)
for
k, v
in
s:
d[k].append(v)
list
(d.items())
|
defaultdict可以接受一个内建函数list作为参数。其实呢，list()本身是内建函数，但是再经过更新后，python里面所有东西都是对象，所以list改编成了类，引入list的时候产生一个类的实例。
|
1
2
3
4
5
6
7
8
|
import
collections
dic
=
collections.defaultdict(
list
)
dic[
'k1'
]
print
(dic)
print
(dic.keys())
print
(dic.values())
dic[
'k1'
].append(
'v1'
)
print
(dic.values())
|
一些具有的方法：
1.copy拷贝
|
1
2
3
4
5
6
7
8
9
10
|
import
collections
dic
=
collections.defaultdict(
list
)
dic[
'k1'
]
dic[
'k1'
].append(
'v1'
)
print
(dic)
dic_1
=
dic.copy()
print
(dic_1)
#结果
defaultdict(<
class
'list'
>, {
'k1'
: [
'v1'
]})
defaultdict(<
class
'list'
>, {
'k1'
: [
'v1'
]})
|
4.可命名元组(namedtuple)
没有现成的类，用户需要自行创建相应的类
|
1
2
3
4
5
6
7
8
|
import
collections
tu
=
collections.namedtuple(
'tu'
,[
'x'
,
'y'
,
'z'
])
#创建一个类,类名为Point
yao_tu
=
tu(
11
,
22
,
33
)
print
(yao_tu)
print
(yao_tu.x)
#直接通过命名元素去访问元组对应的元素,
print
(yao_tu[1
])
#等同于上面这种方式,但是没有上面这种方式可读性强
print
(yao_tu.y)
print
(yao_tu.z)
|
5.双向队列(deque)
（1）创建一个队列
|
1
2
3
|
import
collections
que
=
collections.deque([
'sb'
,
'huang'
,
'xu'
])
print
(que)
|
(2)追加元素到队列
|
1
2
3
4
5
6
|
>>> que.append(
'wo'
)
>>> que
deque([
'sb'
,
'huang'
,
'xu'
,
'wo'
])
>>> que.append([
'ni'
,
'ta'
])
>>> que
deque([
'sb'
,
'huang'
,
'xu'
,
'wo'
, [
'ni'
,
'ta'
]])
|
（3）追加元素到队列左侧
|
1
2
3
|
>>> que.appendleft(
'zuo'
)
>>> que
deque([
'zuo'
,
'sb'
,
'huang'
,
'xu'
,
'wo'
, [
'ni'
,
'ta'
]])
|
（4）统计元素个数
|
1
2
3
4
5
6
|
>>> que.appendleft(
'zuo'
)
>>> que
deque([
'zuo'
,
'sb'
,
'huang'
,
'xu'
,
'wo'
, [
'ni'
,
'ta'
]])
>>> que.appendleft(
'zuo'
)
>>> que.count(
'zuo'
)
2
|
（4）清除
|
1
2
3
|
>>> que.clear()
>>> que
deque([])
|
（5）extend扩展元素
|
1
2
3
4
5
6
|
>>> que = collections.deque([
'sb'
,
'huang'
,
'xu'
])
>>> que
deque([
'sb'
,
'huang'
,
'xu'
])
>>> que.extend([
'a'
,
'b'
,
'c'
])
>>> que
deque([
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
])
|
（6）extendleft从左侧扩展
|
1
2
3
4
5
|
>>> que
deque([
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
,
'zuo3'
])
>>> que.extendleft([
'zuo4'
,
'zuo5'
,
'zuo6'
])
>>> que
deque([
'zuo6'
,
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
,
'zuo3'
])
|
（7）pop删除
|
1
2
3
4
5
6
|
>>> que
deque([
'zuo6'
,
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
,
'zuo3'
])
>>> que.pop()
'zuo3'
>>> que
deque([
'zuo6'
,
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
])
|
（8）popleft从左侧开始删除
|
1
2
3
4
5
6
|
>>> que
deque([
'zuo6'
,
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
])
>>> que.popleft()
'zuo6'
>>> que
deque([
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
])
|
（9）reverse顺序反转
|
1
2
3
4
5
|
>>> que
deque([
'zuo5'
,
'zuo4'
,
'sb'
,
'huang'
,
'xu'
,
'a'
,
'b'
,
'c'
,
'zuo1'
,
'zuo2'
])
>>> que.reverse()
>>> que
deque([
'zuo2'
,
'zuo1'
,
'c'
,
'b'
,
'a'
,
'xu'
,
'huang'
,
'sb'
,
'zuo4'
,
'zuo5'
])
|
（10）remove删除指定元素
|
1
2
3
4
5
|
>>> que
deque([
'zuo2'
,
'zuo1'
,
'c'
,
'b'
,
'a'
,
'xu'
,
'huang'
,
'sb'
,
'zuo4'
,
'zuo5'
])
>>> que.remove(
'sb'
)
>>> que
deque([
'zuo2'
,
'zuo1'
,
'c'
,
'b'
,
'a'
,
'xu'
,
'huang'
,
'zuo4'
,
'zuo5'
])
|
（11）rotate将队列末尾4个元素反转到队列左侧
|
1
2
3
4
5
|
>>> que
deque([
'zuo5'
,
'zuo2'
,
'zuo1'
,
'c'
,
'b'
,
'a'
,
'xu'
,
'huang'
,
'zuo4'
])
>>> que.rotate(
4
)
>>> que
deque([
'a'
,
'xu'
,
'huang'
,
'zuo4'
,
'zuo5'
,
'zuo2'
,
'zuo1'
,
'c'
,
'b'
])
|
6.单向队列 queue（先进先出 FIFO ）
（1）创建
|
1
2
3
4
5
6
|
>>>
import
queue
>>> que
=
queue.Queue(
2
)
>>> que
<queue.Queue
object
at
0x7f70678ec550
>
>>>
>>> que
=
queue.Queue(maxsize
=
10
)
|
queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。
（3）放入任务
|
1
2
|
>>> que.put([
'a'
,
'd'
])
>>> que
|
调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为
1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。
（3）从队列中取值
|
1
2
3
4
|
>>> que.put([
'a'
,
'd'
])
>>> que.get()
[
'a'
,
'd'
]
>>>
|
调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。
（3）返回队列大小
|
1
2
|
>>> que.qsize()
1
|
（4）判断队列为空返回True,反之False
|
1
2
3
|
>>> que.empty()
False
>>>
|
（5）q.full() 如果队列满了，返回True,反之False
|
1
2
3
|
>>> que.full()
False
>>>
|
q.full 与 maxsize 大小对应
其他方法：
|
1
2
3
4
5
6
|
q.get([block[, timeout]]) 获取队列，timeout等待时间
q.get_nowait() 相当q.get(
False
)
非阻塞 q.put(item) 写入队列，timeout等待时间
q.put_nowait(item) 相当q.put(item,
False
)
q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号
q.join() 实际上意味着等到队列为空，再执行别的操作
|
三.深浅拷贝
1.为什么要拷贝？
当进行修改时，想要保留原来的数据和修改后的数据
2.数字字符串 和 集合 在修改时的差异？ （深浅拷贝不同的终极原因）
在修改数据时：
数字字符串：在内存中新建一份数据
集合：修改内存中的同一份数据
3.对于集合，如何保留其修改前和修改后的数据？
在内存中拷贝
深拷贝
1.对于 数字 和 字符串 而言，赋值、浅拷贝和深拷贝无意义，因为其永远指向同一个内存地址。
例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
赋值，内存指向同一地址
>>> n1=
123
>>> n2=n1
>>> id(n1)
10109728
>>> id(n2)
10109728
>>>
>>>
import
copy
>>> n3 = copy.copy(n1)
>>> id(n3)
10109728
>>> n4=copy.deepcopy(n1)
>>> id(n4)
10109728
>>>
|
2.对于字典、元祖、列表 而言，进行赋值、浅拷贝和深拷贝时，其内存地址的变化是不同的。
赋值，只是创建一个变量，该变量指向原来内存地址，如：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
>>>
import
copy
>>> n1
=
{
'k1'
:
'v1'
,
'k2'
:
'v2'
,
'k3'
:[
'liuyao'
,
'job'
]}
>>> n1
{
'k3'
: [
'liuyao'
,
'job'
],
'k1'
:
'v1'
,
'k2'
:
'v2'
}
>>> n2
=
n1
>>>
id
(n1)
140120750514696
>>>
id
(n2)
140120750514696
>>>
id
(n2[
'k3'
])
140120750335688
>>>
id
(n1[
'k3'
])
140120750335688
>>>
id
(n1[
'k3'
][
0
])
140120778934064
>>>
id
(n2[
'k3'
][
0
])
140120778934064
>>>
|
（3）浅拷贝，在内存中只额外创建第一层数据
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
import
copy
>>> n1
=
{
'k1'
:
'v1'
,
'k2'
:
'v2'
,
'k3'
:[
'liuyao'
,
'job'
]}
>>> n2
=
copy.copy(n1)
>>>
id
(n1)
140120750337544
>>>
id
(n2)
140120750371208
>>>
id
(n1[
'k3'
][
0
])
140120778934064
>>>
id
(n2[
'k3'
][
0
])
140120778934064
>>>
|
（4）深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>>
import
copy
>>> n1
=
{
'k1'
:
'v1'
,
'k2'
:
'v2'
,
'k3'
:[
'liuyao'
,
'job'
]}
>>> n2
=
copy.deepcopy(n1)
>>>
id
(n1)
140120750514696
>>>
id
(n2)
140120750514888
>>>
id
(n1[
'k3'
])
140120750335688
>>>
id
(n2[
'k3'
])
140120750335752
>>>
id
(n2[
'k3'
][
0
])
140120778934064
>>>
id
(n1[
'k3'
][
0
])
140120778934064
>>>
|
案例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
#深浅copy案例:监控模板
dic = {
"cpu"
:[
80
,],
"mem"
:[
70
,],
"disk"
:[
90
,],
}
print(dic)
a1=copy.copy(dic)
#浅copy会使所有的模板cpu都发生变化
a1[
'cpu'
][
0
]=
20
print(a1)
print(dic)
#为了防止新模板修改导致旧模板被修改所以使用深copy
a2=copy.deepcopy(dic)
a2[
'cpu'
][
0
]=
20
print(a2)
print(dic)
|
扫一扫
2198
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
