Python collections模块总结

除了我们使用的那些基础的数据结构，还有包括其它的一些模块提供的数据结构，有时甚至比基础的数据结构还要好用。

collections

ChainMap

这是一个为多个映射创建单一视图的类字典类型，也就是说，它同样具有字典类型的方法，它比基础数据结构中的字典的创建和多次更新要快，需要注意的是，增删改的操作都只会针对该对象的第一个字典，其余字典不会发生改变，但是如果是查找，则会在多个字典中查找，直到找到第一个出现的key为止。

import collectionsa = {1: 2, 2: 3}b = {1: 3, 3: 4, 4: 5}chains = collections.ChainMap(a, b)# maps# 注意maps是个属性，不是一个方法，其改变print(chains.maps)  # [{1: 2, 2: 3}, {1: 3, 3: 4, 4: 5}]# getassert chains.get(1, -1) == 2# parents# 从第二个map开始找assert chains.parents.get(1, -1) == 3# popitemassert chains.popitem() == (2, 3)# pop# 返回的是valueassert chains.pop(1) == 2# new_childassert chains.new_child()print(chains.maps)  # [{}, {1: 3, 3: 4, 4: 5}]chains[2] = 1print(chains.maps)  # [{2: 1}, {1: 3, 3: 4, 4: 5}]# setdedault# 如果已经存在key，则不会添加assert chains.setdefault(1, 10) == 3# updatechains.update({2: 4, 3: 5})print(chains.maps)  # [{1: 2, 2: 4, 3: 5}, {1: 3, 3: 4, 4: 5}]# keysprint(chains.keys())  # KeysView(ChainMap({2: 4, 3: 5}, {1: 3, 3: 4, 4: 5}))# KeysView 继承了mapping和setprint(2 in chains.keys())  # Trueprint(len(chains.keys()))  # 4（重复的不算）# clearchains.clear()print(chains.maps)  # [{}, {1: 3, 3: 4, 4: 5}]

就像它的特点一样，它适用于以下的情况：

1. 多个字典；

2. 允许key是重复；

3. 总是访问最高优先级字典中的关键字；

4. 不需要改变key对应的value；

5. 字典频繁的创建和更新已经造成巨大的性能问题，希望改善性能问题；

Counter

这是一个继承dict的子类，专门用来做计数器，dict中的方法这里同样适用。

其中数学运算如果其中一方的不存在，则会默认创建对应键，值为0的键值对。

from collections import Counter# init# 可迭代counter = Counter("accab")  # Counter({‘a‘: 2, ‘c‘: 2, ‘b‘: 1})counter2 = Counter([1,2,3,4])  # Counter({1: 1, 2: 1, 3: 1, 4: 1})counter5 = Counter([(‘a‘,3),(‘b‘, 2)])  # Counter({(‘a‘, 3): 1, (‘b‘, 2): 1})# 字典counter3 = Counter({‘a‘: 1, ‘b‘: 2, ‘a‘: 3})  # Counter({‘a‘: 3, ‘b‘: 2})counter4 = Counter(a=1, b=2, c=1)  # Counter({‘b‘: 2, ‘a‘: 1, ‘c‘: 1})# elements# 键值以无序的方式返回，并且只返回值大于等于1的键值对elememts = counter.elements()print([x for x in elememts])  # [‘a‘, ‘a‘, ‘c‘, ‘c‘, ‘b‘]# 为空是因为elements是generatorprint(sorted(elememts))  # []# most_common# 键值以无序的方式返回print(counter.most_common(1))  # [(‘a‘, 2)]print(counter.most_common())  # [(‘a‘, 2), (‘c‘, 2), (‘b‘, 1)]# update# 单纯是增加的功能，而不是像dict.update()中的替换一样counter.update("abb")print(counter)  # Counter({‘a‘: 3, ‘b‘: 3, ‘c‘: 2})# subtractcounter.subtract(Counter("accc"))print(counter)  # Counter({‘b‘: 3, ‘a‘: 2, ‘c‘: -1})print([x for x in counter.elements()])  # [‘a‘, ‘a‘, ‘b‘, ‘b‘, ‘b‘]# get# 键不存在则返回0，但是不会加入到counter键值对中print(counter[‘d‘])print(counter)  # Counter({‘b‘: 3, ‘a‘: 2, ‘c‘: -1})del counter[‘d‘]# 还可以使用数学运算c = Counter(a=3, b=1)d = Counter(a=1, b=2)# add two counters together:  c[x] + d[x]print(c + d)  # Counter({‘a‘: 4, ‘b‘: 3})# subtract (keeping only positive counts)print(c - d)  # Counter({‘a‘: 2})# # intersection:  min(c[x], d[x])print(c & d) # Counter({‘a‘: 1, ‘b‘: 1})# union:  max(c[x], d[x])print(c | d)  # Counter({‘a‘: 3, ‘b‘: 2})# 一元加法和减法c = Counter(a=3, b=-1)# 只取正数print(+c)  # Counter({‘a‘: 3})print(-c)  # Counter({‘b‘: 1})

deque

由于deque同样能够提供列表相关的函数，所以其和列表相同的函数则不再赘述，这里比较独特的是和left相关的函数以及rotate函数。

from collections import deque# 从尾部进入，从头部弹出，保证长度为5dq1 = deque(‘abcdefg‘, maxlen=5)print(dq1)  # [‘c‘, ‘d‘, ‘e‘, ‘f‘, ‘g‘]print(dq1.maxlen)  # 5# 从左端入列dq1.appendleft(‘q‘)print(dq1)  # [‘q‘, ‘c‘, ‘d‘, ‘e‘, ‘f‘]# 从左端入列dq1.extendleft(‘abc‘)print(dq1)  # [‘c‘, ‘b‘, ‘a‘, ‘q‘, ‘c‘]# 从左端出列并且返回dq1.popleft()  # cprint(dq1)  # [‘b‘, ‘a‘, ‘q‘, ‘c‘]# 将队头n个元素进行右旋dq1.rotate(2)print(dq1)  # [‘q‘, ‘c‘, ‘b‘, ‘a‘]# 将队尾两个元素进行左旋dq1.rotate(-2)print(dq1)  # [‘b‘, ‘a‘, ‘q‘, ‘c‘]def tail(filename, n=10):
    ‘Return the last n lines of a file‘
    with open(filename) as f:
        return deque(f, n)def delete_nth(d, n):
    """    实现队列切片和删除，pop之后再放会原处    :param d: deque    :param n: int    :return:    """
    d.roatte(-n)
    d.popleft()
    d.rotate(n)

OrderedDict

OrderedDict提供了一个有序字典，可以使用在遍历的时候根据相应的顺序进行输出，因为在dict中它的item是以任意顺序进行输出的。

注意初始化的时候和在插入的话都根据插入顺序进行排序，而不是根据key进行排序。

from collections import OrderedDictitems = {‘c‘: 3, ‘b‘: 2, ‘a‘: 1}regular_dict = dict(items)ordered_dict = OrderedDict(items)print(regular_dict)  # {‘c‘: 3, ‘b‘: 2, ‘a‘: 1}print(ordered_dict)  # [(‘c‘, 3), (‘b‘, 2), (‘a‘, 1)]# 按照插入顺序进行排序而不是ordered_dict[‘f‘] = 4ordered_dict[‘e‘] = 5print(ordered_dict)  # [(‘c‘, 3), (‘b‘, 2), (‘a‘, 1), (‘f‘, 4), (‘e‘, 5)]# 把最近加入的删除print(ordered_dict.popitem(last=True))  # (‘e‘, 5)# 按照加入的顺序删除print(ordered_dict.popitem(last=False))  # (‘c‘, 3)print(ordered_dict)  # [(‘b‘, 2), (‘a‘, 1), (‘f‘, 4)]# 移动到末尾ordered_dict.move_to_end(‘b‘, last=True)print(ordered_dict)  # [(‘a‘, 1), (‘f‘, 4), (‘b‘, 2)]# 移动到开头ordered_dict.move_to_end(‘b‘, last=False)print(ordered_dict)  # [(‘b‘, 2), (‘a‘, 1), (‘f‘, 4)]ordered_dict[‘a‘] = 3# 说明更改值并不会影响加入顺序print(ordered_dict.popitem(last=True))  # (‘f‘, 4)

提供了字典的功能，又保证了顺序。

namedtuple

如果我们想要在tuple中使用名字的参数，而不是位置，namedtuple提供这么一个创建名称tuple的机会。

from collections import namedtuplePoint = namedtuple(‘Point‘, [‘x‘, ‘y‘])p = Point(10, y=20)print(p)  # Point(x=10, y=20)print(p.x + p.y)  # 30

Python collections模块总结