脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python collections模块

Python collections模块实例讲解

 更新时间：2024年07月01日 16:35:58   投稿：junjie  
Python作为一个“内置电池”的编程语言，标准库里面拥有非常多好用的模块。比如今天想给大家 介绍的 collections 就是一个非常好的例子

collections模块基本介绍

我们都知道，Python拥有一些内置的数据类型，比如str, int, list, tuple, dict等， collections模块在这些内置数据类型的基础上，提供了几个额外的数据类型：

1.namedtuple(): 生成可以使用名字来访问元素内容的tuple子类
2.deque: 双端队列，可以快速的从另外一侧追加和推出对象
3.Counter: 计数器，主要用来计数
4.OrderedDict: 有序字典
5.defaultdict: 带有默认值的字典

namedtuple()

namedtuple主要用来产生可以使用名称来访问元素的数据对象，通常用来增强代码的可读性， 在访问一些tuple类型的数据时尤其好用。

举个栗子

复制代码 代码如下:

# -*- coding: utf-8 -*-
"""
比如我们用户拥有一个这样的数据结构，每一个对象是拥有三个元素的tuple。
使用namedtuple方法就可以方便的通过tuple来生成可读性更高也更好用的数据结构。
"""
from collections import namedtuple
websites = [
    ('Sohu', 'http://www.google.com/', u'1'),
    ('Sina', 'http://www.sina.com.cn/', u'2'),
    ('163', 'http://www.163.com/', u'3')
]
Website = namedtuple('Website', ['name', 'url', 'founder'])
for website in websites:
    website = Website._make(website)
    print website
# Result:
Website(name='Sohu', url='http://www.google.com/', founder=u'\u5f20\u671d\u9633')
Website(name='Sina', url='http://www.sina.com.cn/', founder=u'\u738b\u5fd7\u4e1c')
Website(name='163', url='http://www.163.com/', founder=u'\u4e01\u78ca')

deque

deque其实是 double-ended queue 的缩写，翻译过来就是双端队列，它最大的好处就是实现了从队列 头部快速增加和取出对象: .popleft(), .appendleft() 。

你可能会说，原生的list也可以从头部添加和取出对象啊？就像这样：

复制代码 代码如下:

l.insert(0, v)
l.pop(0)

但是值得注意的是，list对象的这两种用法的时间复杂度是 O(n) ，也就是说随着元素数量的增加耗时呈 线性上升。而使用deque对象则是 O(1) 的复杂度，所以当你的代码有这样的需求的时候， 一定要记得使用deque。

作为一个双端队列，deque还提供了一些其他的好用方法，比如 rotate 等。

举个栗子

复制代码 代码如下:

# -*- coding: utf-8 -*-
"""
下面这个是一个有趣的例子，主要使用了deque的rotate方法来实现了一个无限循环
的加载动画
"""
import sys
import time
from collections import deque
fancy_loading = deque('>--------------------')
while True:
    print '\r%s' % ''.join(fancy_loading),
    fancy_loading.rotate(1)
    sys.stdout.flush()
    time.sleep(0.08)
# Result:
# 一个无尽循环的跑马灯
------------->-------


Counter

计数器是一个非常常用的功能需求，collections也贴心的为你提供了这个功能。

举个栗子

复制代码 代码如下:

# -*- coding: utf-8 -*-
"""
下面这个例子就是使用Counter模块统计一段句子里面所有字符出现次数
"""
from collections import Counter
s = '''A Counter is a dict subclass for counting hashable objects. It is an unordered collection where elements are stored as dictionary keys and their counts are stored as dictionary values. Counts are allowed to be any integer value including zero or negative counts. The Counter class is similar to bags or multisets in other languages.'''.lower()
c = Counter(s)
# 获取出现频率最高的5个字符
print c.most_common(5)
# Result:
[(' ', 54), ('e', 32), ('s', 25), ('a', 24), ('t', 24)]

OrderedDict

在Python中，dict这个数据结构由于hash的特性，是无序的，这在有的时候会给我们带来一些麻烦， 幸运的是，collections模块为我们提供了OrderedDict，当你要获得一个有序的字典对象时，用它就对了。

举个栗子

复制代码 代码如下:

# -*- coding: utf-8 -*-
from collections import OrderedDict
items = (
    ('A', 1),
    ('B', 2),
    ('C', 3)
)
regular_dict = dict(items)
ordered_dict = OrderedDict(items)
print 'Regular Dict:'
for k, v in regular_dict.items():
    print k, v
print 'Ordered Dict:'
for k, v in ordered_dict.items():
    print k, v
# Result:
Regular Dict:
A 1
C 3
B 2
Ordered Dict:
A 1
B 2
C 3

defaultdict

我们都知道，在使用Python原生的数据结构dict的时候，如果用 d[key] 这样的方式访问， 当指定的key不存在时，是会抛出KeyError异常的。

但是，如果使用defaultdict，只要你传入一个默认的工厂方法，那么请求一个不存在的key时， 便会调用这个工厂方法使用其结果来作为这个key的默认值。

复制代码 代码如下:

# -*- coding: utf-8 -*-
from collections import defaultdict
members = [
    # Age, name
    ['male', 'John'],
    ['male', 'Jack'],
    ['female', 'Lily'],
    ['male', 'Pony'],
    ['female', 'Lucy'],
]
result = defaultdict(list)
for sex, name in members:
    result[sex].append(name)
print result
# Result:
defaultdict(<type 'list'>, {'male': ['John', 'Jack', 'Pony'], 'female': ['Lily', 'Lucy']})

参考资料

上面只是非常简单的介绍了一下collections模块的主要内容，主要目的就是当你碰到适合使用 它们的场所时，能够记起并使用它们，起到事半功倍的效果。

如果要对它们有一个更全面和深入了解的话，还是建议阅读官方文档和模块源码。

https://docs.python.org/2/library/collections.html#module-collections

您可能感兴趣的文章:

相关文章

  • 浅谈pytorch 模型 .pt, .pth, .pkl的区别及模型保存方式

    浅谈pytorch 模型 .pt, .pth, .pkl的区别及模型保存方式

    这篇文章主要介绍了浅谈pytorch 模型 .pt, .pth, .pkl的区别及模型保存方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 关于python变量的引用以及在底层存储原理

    关于python变量的引用以及在底层存储原理

    Python的变量，简单来说有数值型，布尔型，字符串类型，列表，元组，字典等6大类。那么不同变量类型在底层是如何存储的，关系到变量的引用，能否正确的掌握变量的相关操作？接下来小编就来为大家讲解python变量的引用以及在底层存储原理,需要的朋友可以参考一下
    2021-09-09
  • 在GitHub Pages上使用Pelican搭建博客的教程

    在GitHub Pages上使用Pelican搭建博客的教程

    这篇文章主要介绍了在GitHub Pages上使用Pelican搭建博客的教程,Pelican是一个使用Python实现的开源博客系统,需要的朋友可以参考下
    2015-04-04
  • PyTorch Autograd的核心原理和功能深入探究

    PyTorch Autograd的核心原理和功能深入探究

    本文深入探讨了PyTorch中Autograd的核心原理和功能,从基本概念、Tensor与Autograd的交互,到计算图的构建和管理,再到反向传播和梯度计算的细节,最后涵盖了Autograd的高级特性
    2024-01-01
  • Python NumPy数组裁切和数据类型的实现即原理详解

    Python NumPy数组裁切和数据类型的实现即原理详解

    这篇文章主要介绍了Python NumPy数组裁切和数据类型的实现即原理，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习吧
    2023-05-05
  • Django零基础入门之调用漂亮的HTML前端页面

    Django零基础入门之调用漂亮的HTML前端页面

    这篇文章主要介绍了Django零基础入门之调用漂亮的HTML前端页面的方法，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2021-09-09
  • python的getattr和getattribute拦截内置操作实现

    python的getattr和getattribute拦截内置操作实现

    在Python中,getattr和getattribute是用于动态属性访问和自定义属性访问行为的重要工具,本文主要介绍了python的getattr和getattribute拦截内置操作实现,具有一定的参考价值,感兴趣的可以了解一下
    2024-01-01
  • Python制作数据导入导出工具

    Python制作数据导入导出工具

    正好最近在学习python，于是打算用python实现了数据导入导出工具，由于是新手，所以写的有些不完善的地方还请见谅
    2015-07-07
  • Python NumPy库安装使用笔记

    Python NumPy库安装使用笔记

    这篇文章主要介绍了Python NumPy库安装使用笔记,本文讲解了NumPy的安装和基础使用,并对每一句代码都做了详细解释,需要的朋友可以参考下
    2015-05-05
  • Python 3.6 读取并操作文件内容的实例

    Python 3.6 读取并操作文件内容的实例

    下面小编就为大家分享一篇Python 3.6 读取并操作文件内容的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-04-04

最新评论