目录
Python中的collections模块：高效数据结构的集合
在Python的标准库中，collections模块提供了一系列专门设计的数据结构，旨在提高数据处理的效率和便捷性。这些数据结构是对Python内置容器类型（如列表、字典、集合等）的补充，通过提供额外的功能或优化，使得在特定场景下使用它们能够带来显著的性能提升或代码简化。本文将详细介绍collections模块中的一些关键数据结构及其用法。
1. namedtuple：具名元组
namedtuple是一个工厂函数，用于创建可以通过属性访问的元组子类。它允许你为元组中的每个位置赋予一个有意义的名称，从而增强了代码的可读性和可维护性。
from collections import namedtuple
# 定义一个具名元组类型
Person = namedtuple('Person', ['name', 'age', 'city'])
# 创建具名元组实例
p = Person(name='Alice', age=30, city='New York')
# 访问属性
print(p.name) # 输出: Alice
print(p.age) # 输出: 30
print(p.city) # 输出: New York
2. deque：双端队列
deque（发音为"deck"）是一个线程安全、内存效率高的双端队列，支持从两端快速添加和删除元素。与列表相比，deque在两端操作的平均时间复杂度为O(1)，而列表在头部插入或删除元素的时间复杂度为O(n)。
from collections import deque
# 创建一个双端队列
dq = deque()
# 在队列两端添加元素
dq.append('right') # 从右端添加
dq.appendleft('left') # 从左端添加
# 在队列两端删除元素
print(dq.pop()) # 从右端删除并返回元素
print(dq.popleft()) # 从左端删除并返回元素
3. Counter：计数器
Counter是一个字典子类，用于计数可哈希对象。它是一个集合，其中元素存储为字典的键，而计数存储为字典的值。Counter提供了多种方法来处理计数数据，如元素计数、元素出现次数最多的N个元素等。
from collections import Counter
# 创建一个计数器
cnt = Counter(['apple', 'banana', 'apple', 'orange', 'banana', 'apple'])
# 查看计数
print(cnt) # 输出: Counter({'apple': 3, 'banana': 2, 'orange': 1})
# 获取某个元素的计数
print(cnt['apple']) # 输出: 3
# 获取出现次数最多的元素
print(cnt.most_common(1)) # 输出: [('apple', 3)]
4. defaultdict：带有默认值的字典
defaultdict是字典的一个子类，它提供了一个工厂函数，用于为字典中不存在的键提供一个默认值。这避免了在访问不存在的键时抛出KeyError异常，并简化了代码。
from collections import defaultdict
# 创建一个带有默认值的字典，默认值为0
dd = defaultdict(int)
# 访问不存在的键时，会自动使用默认值
dd['new_key'] += 1
print(dd['new_key']) # 输出: 1
# 也可以指定其他类型的默认值，如列表
dd_list = defaultdict(list)
dd_list['another_key'].append('value')
print(dd_list['another_key']) # 输出: ['value']
5. OrderedDict：有序字典
OrderedDict是字典的一个子类，它记住了元素被添加的顺序。这对于需要保持元素插入顺序的场景非常有用。
from collections import OrderedDict
# 创建一个有序字典
od = OrderedDict()
# 添加元素
od['banana'] = 3
od['apple'] = 4
od['pear'] = 1
od['orange'] = 2
# 遍历有序字典
for key, value in od.items():
print(key, value)
# 输出顺序为: banana 3, apple 4, pear 1, orange 2
6. ChainMap：字典链
ChainMap将多个字典链接在一起，创建一个单一的视图，允许你查找和更新这些字典中的值。它主要用于合并多个字典进行查找操作，而不实际合并它们。
from collections import ChainMap
# 创建多个字典
d1 = {'a': 1, 'b': 2}
d2 = {'b': 3, 'c': 4}
# 创建ChainMap
cm = ChainMap(d1, d2)
# 查找值
print(cm['a']) # 输出: 1
print(cm['b']) # 输出: 2（来自d1，因为ChainMap按顺序查找）
print(cm['c']) # 输出: 4
# 更新值（只影响第一个字典）
cm['b'] = 10
print(d1['b']) # 输出: 10
print(d2['b']) # 输出: 3
总结
collections模块提供了一系列实用的数据结构，这些结构是对Python内置类型的补充，旨在解决特定问题或提高代码效率。通过合理使用这些数据结构，你可以编写出更加简洁、高效和易于维护的Python代码。无论是处理大量数据、维护有序集合，还是进行计数和统计，collections模块都能提供强大的支持。
何曾参静谧的博客（✅关注、👍点赞、⭐收藏、👻转发）
扫一扫
