python中数据结构相关的库_python 标准库 数据结构

~list tuple dict set

1、collections.Counter

collections.Counter 属于dict，计算出现几次

image.png

c.update({'a':3}) 更新

image.png

对于未知的元素，counter不会产生异常，返回0

Counter转成list:list(c.elements())

c.most_common(3) 打印最常见的三个元素，即value最大的那三个

Counter支持+ - & |

2、defaultdict 支持自定义方法提供默认值的dict

image.png

3、deque 线程安全的

deque.append deque.extend deque.extendleft deque.appendleft

deque.pop deque.popleft

image.png

旋转，ratate

image.png

4、namedtuple 生成只包含属性的类

image.png

5、OrderedDict 按内容增加的顺序存储

image.png

6、import array

array.array('c',"sdfdsfsfsdfs")

array.array('i',range(4))

image.png

7、heapq 二叉树堆

heapq内置模块位于./Anaconda3/Lib/heapq.py，提供基于堆的优先排序算法

堆的逻辑结构就是完全二叉树，并且二叉树中父节点的值小于等于该节点的所有子节点的值。这种实现可以使用 heap[k] <= heap[2k+1] 并且 heap[k] <= heap[2k+2] (其中 k 为索引，从 0 开始计数)的形式体现，对于堆来说，最小元素即为根元素 heap[0]。

1.初始化

可以通过 list 对 heap 进行初始化，或者通过 api 中的 heapify 将已知的 list 转化为 heap 对象。

heapq.py中提供的函数方法

heapq.heappush(heap, item)

heapq.heappop(heap)：返回 root 节点，即 heap 中最小的元素。

heapq.heapreplace(heap,item): python3中heappushpop的更高效版。

heapq.heappushpop(heap, item)：向 heap 中加入 item 元素，并返回 heap 中最小元素。

heapq.heapify(x)：Transform list into a heap, in-place, in O(len(x)) time

heapq.merge(*iterables, key=None, reverse=False)

heapq.nlargest(n, iterable, key=None)：返回可枚举对象中的 n 个最大值，并返回一个结果集 list，key 为对该结果集的操作。

heapq.nsmallest(n, iterable, key=None)：同上相反

heapq._heappop_max(heap): Maxheap version of a heappop

heapq._heapreplace_max(heap,item)：Maxheap version of a heappop followed by a heappush.

heapq._heapify_max(x)：Transform list into a maxheap, in-place, in O(len(x)) time

heapq._siftdown(heap,startpos,pos)： Follow the path to the root, moving parents down until finding a place

heapq._siftup(heap,pos)：Bubble up the smaller child until hitting a leaf

heapq._siftdown_max(heap,startpos,pos)：Maxheap variant of _siftdown

heapq._siftup_max(heap,pos)：Maxheap variant of _siftup

import heapq

def heapsort(iterable):

h = []

for i in iterable:

heapq.heappush(h, i)

return [heapq.heappop(h) for i in range(len(h))]

method 1: sort to list

s = [3, 5, 1, 2, 4, 6, 0, 1]

print(heapsort(s))

'''

[0, 1, 1, 2, 3, 4, 5, 6]

'''

method 2: use key to find price_min

portfolio = [{'name': 'IBM', 'shares': 100, 'price': 91.1},

{'name': 'AAPL', 'shares': 50, 'price': 543.22},

{'name': 'FB', 'shares': 200, 'price': 21.09},

{'name': 'HPQ', 'shares': 35, 'price': 31.75},

{'name': 'YHOO', 'shares': 45, 'price': 16.35},

{'name': 'ACME', 'shares': 75, 'price': 115.65}]

cheap = heapq.nsmallest(1, portfolio, key=lambda s:s['price'])

print(cheap)

'''

[{'name': 'YHOO', 'shares': 45, 'price': 16.35}]

'''

method 3: use while to push min element

def heapilize_list(x):

n = len(x)

# 获取存在子节点的节点 index 列表，并对每个节点单元进行最小堆处理

for i in reversed(range(n // 2)):

raiseup_node(x, i)

def put_down_node(heap, startpos, pos):

current_item = heap[pos]

# 判断单元中最小子节点与父节点的大小

while pos > startpos:

parent_pos = (pos - 1) >> 1

parent_item = heap[parent_pos]

if current_item < parent_item:

heap[pos] = parent_item

pos = parent_pos

continue

break

heap[pos] = current_item

def raiseup_node(heap, pos):

heap_len = len(heap)

start_pos = pos

current_item = heap[pos]

left_child_pos = pos * 2 + 1

while left_child_pos < heap_len:

right_child_pos = left_child_pos + 1

# 将这个单元中的最小子节点元素与父节点元素进行位置调换

if right_child_pos < heap_len and not heap[left_child_pos] < heap[right_child_pos]:

left_child_pos = right_child_pos

heap[pos] = heap[left_child_pos]

pos = left_child_pos

left_child_pos = pos * 2 + 1

heap[pos] = current_item

put_down_node(heap, start_pos, pos)

p = [4, 6, 2, 10, 1]

heapilize_list(p)

print(p)

'''

[1, 4, 2, 10, 6]

'''

8、 bisect有序列表

bisect.bisect(list,5)

bisect.insort()

image.png

9、queue

import Queue

Queue.queue()

q.put()

q.empty()

q.get()

10、LifoQueue

Queue.LifoQueue()

q.put()

q.empty()

q.get()

11、PriorityQueue() 优先级由你定

image.png

12、struct结构

image.png

image.png

缓存区：pack_into??

image.png

image.png

13、对象的非永久引用：weakref

weakref.ref 弱引用

image.png

引用回调，删除时被调用

image.png

weakref.WeakValueDictionary??

14、copy

copy.copy(obj)

copy.deepcopy() 连里面的所有元素都是新的

copy自己实现复制

image.png

15 pprint

-- coding: cp936 --

python 27

xiaodeng

python之模块pprint之常见用法

import pprint

data = [(1,{'a':'A','b':'B','c':'C','d':'D'}),(2,{'e':'E','f':'F','g':'G','h':'H','i':'I','j':'J','k':'K','l':'L'}),]

print '--'*30

1、打印效果

pprint.pprint (data)

'''

[(1, {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D'}),

(2,

{'e': 'E',

'f': 'F',

'g': 'G',

'h': 'H',

'i': 'I',

'j': 'J',

'k': 'K',

'l': 'L'})]

'''

2、格式化

data = [(1,{'a':'A','b':'B','c':'C','d':'D'}),(2,{'e':'E','f':'F','g':'G','h':'H','i':'I','j':'J','k':'K','l':'L'}),]

result=pprint.pformat(data)

for key in result.splitlines():

print key

'''

[(1, {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D'}),

(2,

{'e': 'E',

'f': 'F',

'g': 'G',

'h': 'H',

'i': 'I',

'j': 'J',

'k': 'K',

'l': 'L'})]

'''