collections是Python标准库中的一个内置模块,它提供了一些额外的数据结构类型,用于增强Python基础类型如列表(list)、元组(tuple)和字典(dict)等。以下是对collections模块中主要数据结构类的概述:
- namedtuple:命名元组,创建一个带有名称的tuple,并且可以通过名称访问元素。
- deque:双端队列,可以在两端高效地执行插入和删除操作。
- Counter:计数器,用于计算可迭代对象中元素的出现次数。
- defaultdict:默认字典,类似于普通字典,但是在访问不存在的键时会返回一个默认值。
- OrderedDict:有序字典,可以设置字典键值的顺序。
- ChainMap:将多个字典或映射组合在一起的类。
- UserList:列表的包装器类,用于创建自定义列表。
- UserString:字符串的包装器类,用于创建自定义字符串。
- UserDict:字典的包装器类,用于创建自定义字典。
本文主要介绍这些数据类的基础使用方法,以更好地利用Python的collections模块来处理不同类型的数据。关于collections模块更详细的使用介绍可以参考Python官方文档:python-collections。
- 1 namedtuple
- 2 deque
- 3 Counter
-
4 defaultdict、OrderedDict
- 4.1 defaultdict
- 4.2 OrderedDict
- 5 ChainMap
-
6 UserList、UserString、UserDict
- 6.1 UserList
- 6.2 UserString
- 6.3 UserDict
- 7 参考
1 namedtuple
namedtuple类似于元组(tuple),但是可以通过为每个元素指定名称,从而实现使用元素字段名来引用其元素,而不仅仅依赖于位置索引。
以下代码展示了namedtuple的使用
from collections import namedtuple
# 定义一个名为Person的namedtuple类型,包含name和age两个字段
Person = namedtuple('Person', ['name', 'age'])
# Person = namedtuple('Person','age name') # 另一种创建方式
# 创建一个Person对象
person1 = Person('Alice', 17)
# 访问字段值
print(person1.name) # Alice
print(person1.age) # 17
# 也可以通过索引访问字段值
print(person1[0]) # Alice
print(person1[1]) # 17
# namedtuple字段值是不可变的,不能直接修改字段值
# person1.name = 'Bob' # 这行会抛出异常
# 通过_replace方法创建一个新的命名元组,并替换特定字段的值
person2 = person1._replace(name='Bob')
print(person2) # Person(name='Bob', age=17)
# 打印字段名
print(person2._fields) # ('name', 'age')
Alice
17
Alice
17
Person(name='Bob', age=17)
('name', 'age')
从以上代码可以看到namedtuple和Python字典类型有一些相似之处,但它们在实现和使用方式上存在很大的差异,需要根据具体的需求和情况选择合适的数据类型。如果需要保持字段的顺序、提高访问速度和内存效率,可以选择namedtuple。而如果需要动态地添加、删除和修改键值对,并且需要使用字典提供的更多内置方法和功能,那么字典类型可能更适合。相比字典类型,namedtuple优劣如下:
namedtuple优势:
- 访问速度快:
namedtuple
内部使用整数索引访问字段,因此比字典更高效。 - 内存效率高:
namedtuple
采用紧凑的内存布局,相比字典更节省内存。 - 字段顺序固定:
namedtuple
定义时可以指定字段的顺序,并且不可变。这对于涉及字段顺序的操作非常有用。
namedtuple劣势:
- 不可变性:
namedtuple
的字段是不可变的,一旦创建就不能修改。而字典可以动态地添加、删除和修改键值对。 - 灵活性较差:字典提供了更多的内置方法和功能,例如迭代、查找、更新等。
namedtuple
相对简化,没有这些额外的功能。
以下代码展示了namedtuple和普通字典占用空间大小的效果对比:
import random
import sys
from collections import namedtuple
# 创建字典
person_dict = {'age': 32, 'name': 'John Doe'}
print('person_dict占用的空间大小:', sys.getsizeof(person_dict))
# 将字典转换为namedtuple
Person = namedtuple('Person', ['age', 'name'])
person_tuple = Person(**person_dict)
print('person_tuple占用的空间大小:', sys.getsizeof(person_tuple))
person_dict占用的空间大小: 248
person_tuple占用的空间大小: 72
2 deque
deque(双端队列)是一种具有队列和栈性质的数据结构,它允许从两端快速地添加和删除元素。deque类似列表list,但deque在插入和删除元素时具有更好的性能,尤其是在操作频繁的情况下。以下代码展示了deque的使用。
from collections import deque
# 创建一个空的双端队列
my_deque = deque()
# 创建一个包含元素的双端队列
my_deque = deque([1, 2, 3])
# 创建一个指定最大长度的双端队列,多余的元素会被丢弃
my_deque = deque([1, 2, 3], maxlen=5)
# 在队列的右侧添加一个元素
my_deque.append(1)
# 在队列的左侧添加一个元素
my_deque.appendleft(2)
# 移除并返回队列中的最右侧元素
right_element = my_deque.pop()
# 移除并返回队列中的最左侧元素
left_element = my_deque.popleft()
# 输出当前队列中的所有元素
print(my_deque) # deque([1, 2, 3], maxlen=5)
# 输出队列中的第一个元素
print(my_deque[0]) # 1
# deque不支持切片操作,需要转换为list
# print(my_deque[:-1])
print(list(my_deque)[:-1]) # [1, 2]
deque([1, 2, 3], maxlen=5)
1
[1, 2]
deque也支持基于字符串或列表来添加元素,如下所示:
from collections import deque
# 创建一个空的deque对象
my_deque = deque()
# 使用extend/extendleft添加元素
my_deque.extend([1, 2, 3])
print(my_deque) # deque([1, 2, 3])
# 使用extend/extendleft添加字符串
my_deque.extendleft("Hello")
print(my_deque) # deque(['o', 'l', 'l', 'e', 'H', 1, 2, 3])
deque([1, 2, 3])
deque(['o', 'l', 'l', 'e', 'H', 1, 2, 3])
deque一些常用函数操作如下所示:
from collections import deque
# 创建一个空的deque对象
my_deque = deque()
# 在左侧扩展字符串"Hello",将其拆分为字符并逐个添加到deque的左侧
my_deque.extendleft("Hello")
# 打印deque的长度
print(len(my_deque)) # 5
# 统计字符"l"在deque中出现的次数
print(my_deque.count("l")) # 2
# 在deque的左侧插入字符串"123"
my_deque.insert(0, "123")
print(my_deque) # deque(['123', 'o', 'l', 'l', 'e', 'H'])
# 将deque中的元素从右端取两个元素,并把它们移动到左端
# 如果为负数,则从左侧取元素
my_deque.rotate(2)
print(my_deque) # deque(['e', 'H', '123', 'o', 'l', 'l'])
# 反转队列
my_deque.reverse()
print(my_deque) # deque(['l', 'l', 'o', '123', 'H', 'e'])
# 清空deque中的所有元素
my_deque.clear()
print(my_deque)
5
2
deque(['123', 'o', 'l', 'l', 'e', 'H'])
deque(['e', 'H', '123', 'o', 'l', 'l'])
deque(['l', 'l', 'o', '123', 'H', 'e'])
deque([])
3 Counter
Counter用于计算可迭代对象中元素的出现次数,这些可迭代对象可以是列表、字符串、元组等。
以下代码展示了Counter的使用。
from collections import Counter
# 创建一个Counter对象来统计列表中各元素的数量
print(Counter(['a','c','d','d','b','c','a'])) # Counter({'a': 2, 'c': 2, 'd': 2, 'b': 1})
# 创建一个Counter对象来统计字符串中各字符的数量
print(Counter('aabbacdd')) # Counter({'a': 3, 'b': 2, 'd': 2, 'c': 1})
# 创建一个Counter对象来统计字符串中各字符的数量
string_count = Counter('aabbacdd')
# Counter对象转换为字典,遍历输出键值对
for num, count in dict(string_count).items():
print(num, count)
# 遍历Counter对象中的项,输出键值对
for item in string_count.items():
print(item)
Counter({'a': 2, 'c': 2, 'd': 2, 'b服务器托管网': 1})
Counter({'a': 3, 'b': 2, 'd': 2, 'c': 1})
a 3
b 2
c 1
d 2
('a', 3)
('b', 2)
('c', 1)
('d', 2)
若分别计算字符串中词的出现次数和字符的出现次数,代码如下:
from collections import Counter
line = '你好 世界 你好 !'
# 将字符串按空格拆分成单词列表
list_of_words = line.split()
# 计算每个单词出现的次数
word_count = Counter(list_of_words)
# 打印每个单词及其出现的次数
print(word_count) # Counter({'你好': 2, '世界': 1, '!': 1})
line = '你好 世界 你好 !'
# 计算每个字符出现的次数
string_count = Counter(line)
# 打印每个字符及其出现的次数
print(string_count) # Counter({' ': 3, '你': 2, '好': 2, '世': 1, '界': 1, '!': 1})
Counter({'你好': 2, '世界': 1, '!': 1})
Counter({' ': 3, '你': 2, '好': 2, '世': 1, '界': 1, '!': 1})
Counter相关功能函数d的使用如下所示:
from collections import Counter
# 创建一个Counter对象,用于统计元素出现的次数
word_count = Counter(['a', 'c', 'd', 'd', 'b', 'c', 'a'])
# 统计出现次数最多的两个元素并打印结果
print(word_count.most_common(2)) # [('a', 2), ('c', 2)]
# 若不指定个数,则列出全部元素及其出现次数
print(word_count.most_common()) # [('a', 2), ('c', 2), ('d', 2), ('b', 1)]
# 打印Counter对象中的元素迭代器
print(word_count.elements()) #
# 将元素迭代器转换为列表并打印
print(list(word_count.elements())) # ['a', 'a', 'c', 'c', 'd', 'd', 'b']
# 将元素迭代器排序后打印
print(sorted(word_count.elements())) # ['a', 'a', 'b', 'c', 'c', 'd', 'd']
# 对Counter对象进行排序后打印(按元素字典序排序)
print(sorted(word_count)) # ['a', 'b', 'c', 'd']
# 打印Counter对象的键(即元素)
print(word_count.keys()) # dict_keys(['a', 'c', 'd', 'b'])
# 打印Counter对象的值(即元素出现的次数)
print(word_count.values()) # dict_values([2, 2, 2, 1])
[('a', 2), ('c', 2)]
[('a', 2), ('c', 2), ('d', 2), ('b', 1)]
['a', 'a', 'c', 'c', 'd', 'd', 'b']
['a', 'a', 'b', 'c', 'c', 'd', 'd']
['a', 'b', 'c', 'd']
dict_keys(['a', 'c', 'd', 'b'])
dict_values([2, 2, 2, 1])
对Counter中单个元素的操作,代码如下:
from collections import Counter
# 创建一个 Counter 对象,统计列表中各元素的出现次数
word_count = Counter(['a', 'c', 'd', 'd', 'b', 'c', 'a'])
# 输出字母"c"的出现次数
print(word_count["c"]) # 2
# 更新 Counter 对象,添加新的元素并重新统计出现次数
word_count.update(['b', 'e'])
print(word_count) # Counter({'a': 2, 'c': 2, 'd': 2, 'b': 2, 'e': 1})
# 删除 Counter 对象中的元素"e"
del word_count["e"]
print(word_count) # Counter({'a': 2, 'c': 2, 'd': 2, 'b': 2})
# 将字母"f"的出现次数增加3
word_count['f'] += 3
print(word_count) # Counter({'f': 3, 'a': 2, 'c': 2, 'd': 2, 'b': 2})
# 计算两个Counter对象的交集
print(Counter('abc') & Counter('bde服务器托管网')) # Counter({'b': 1})
# 计算两个 Counter 对象的并集
print(Counter('abc') | Counter('bde')) # Counter({'a': 1, 'b': 1, 'c': 1, 'd': 1, 'e': 1})
2
Counter({'a': 2, 'c': 2, 'd': 2, 'b': 2, 'e': 1})
Counter({'a': 2, 'c': 2, 'd': 2, 'b': 2})
Counter({'f': 3, 'a': 2, 'c': 2, 'd': 2, 'b': 2})
Counter({'b': 1})
Counter({'a': 1, 'b': 1, 'c': 1, 'd': 1, 'e': 1})
4 defaultdict、OrderedDict
4.1 defaultdict
defaultdict是Python标准库collections模块中的一个类,它是dict类的一个子类。defaultdict的作用是创建一个字典,当访问字典中不存在的键时,不会抛出KeyError异常,而是返回一个默认值。defaultdict用法如下:
from collections import defaultdict
# 创建一个默认值为0的defaultdict对象d
d = defaultdict(int)
# 打印d中键'a'对应的值,由于键'a'不存在,所以返回默认值0
print(d['a']) # 0
# 将键'b'赋值为2
d['b'] = 2
print(d) # defaultdict(, {'a': 0, 'b': 2})
# 将键'c'对应的值加1
d['c'] += 1
print(d) # defaultdict(, {'a': 0, 'b': 2, 'c': 1})
0
defaultdict(, {'a': 0, 'b': 2})
defaultdict(, {'a': 0, 'b': 2, 'c': 1})
4.2 OrderedDict
OrderedDict的使用方法与普通字典dict类似,唯一的区别是它可以设置元素的顺序。
from collections import OrderedDict
# 创建一个空的有序字典,按照元素添加的顺序进行遍历和访问
order_dict = OrderedDict()
# 添加键值对
order_dict['apple'] = 3
order_dict['banana'] = 2
order_dict['orange'] = 5
print(order_dict) # OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
# 创建一个字典fruits
fruits = {'banana': 2, 'apple': 3, 'orange': 5}
# 按照键对字典进行排序并将其转换为有序字典
order_dict = OrderedDict(sorted(fruits.items(), key=lambda x: x[0]))
print(order_dict) # OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
# 按照值对字典进行排序并将其转换为有序字典
order_dict = OrderedDict(sorted(fruits.items(), key=lambda x: x[1]))
print(order_dict) # OrderedDict([('banana', 2), ('apple', 3), ('orange', 5)])
# 按照键的长度对字典进行排序并将其转换为有序字典
order_dict = OrderedDict(sorted(fruits.items(), key=lambda x: len(x[0])))
print(order_dict) # OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
OrderedDict([('banana', 2), ('apple', 3), ('orange', 5)])
OrderedDict([('apple', 3), ('banana', 2), ('orange', 5)])
5 ChainMap
ChainMap用于方便地合并多个字典或映射对象,使它们作为一个整体进行操作。具体使用方法如下:
from collections import ChainMap
employee1 = {'John': '001', 'Mary': '002', 'David': '003'}
employee2 = {'Lisa': '004', 'Michael': '005', 'Sarah': '006'}
employee3 = {'Peter': '007', 'Emily': '008', 'Ryan': '009'}
# 创建ChainMap对象
combined_employees = ChainMap(employee1, employee2, employee3)
# 打印出ChainMap中所有的字典,按照添加顺序
print(combined_employees.maps)
# 打印出ChainMap中所有键的列表,按照添加顺序
print(list(combined_employees.keys()))
# 打印出ChainMap中所有值的列表,按照添加顺序
print(list(combined_employees.values()))
[{'John': '001', 'Mary': '002', 'David': '003'}, {'Lisa': '004', 'Michael': '005', 'Sarah': '006'}, {'Peter': '007', 'Emily': '008', 'Ryan': '009'}]
['Peter', 'Emily', 'Ryan', 'Lisa', 'Michael', 'Sarah', 'John', 'Mary', 'David']
['007', '008', '009', '004', '005', '006', '001', '002', '003']
如果要合并的对象中出现键值重合,使用ChainMap时将按照添加顺序,以最先添加的字典为准。在这种情况下,相同的键值经过合并后,会取第一个字典中的值作为重复键的值。具体示例如下:
from collections import ChainMap
# John项重复
employee1 = {'John': '001', 'Mary': '002'}
employee2 = {'Lisa': '004', 'John': '005'}
# 创建ChainMap对象
combined_employees = ChainMap(employee1, employee2)
print(combined_employees.maps)
print(list(combined_employees.keys()))
print(list(combined_employees.values()))
[{'John': '001', 'Mary': '002'}, {'Lisa': '004', 'John': '005'}]
['Lisa', 'John', 'Mary']
['004', '001', '002']
在创建ChainMap对象后,也可以为其添加新的字典类型子项。
from collections import ChainMap
employee1 = {'John': '001', 'Mary': '002', 'David': '003'}
employee2 = {'Mary': '004', 'Michael': '005', 'Sarah': '006'}
employee3 = {'Peter': '007', 'Emily': '008', 'Ryan': '009'}
combined_employees = ChainMap(employee1, employee2, employee3)
# 创建字典employee4,包含员工编号信息
employee4 = {'Jack': '010', 'Halr': '011'}
# 使用new_child方法将employee4添加到combined_employees中
combined_employees = combined_employees.new_child(employee4)
print(combined_employees)
ChainMap({'Jack': '010', 'Halr': '011'}, {'John': '001', 'Mary': '002', 'David': '003'}, {'Mary': '004', 'Michael': '005', 'Sarah': '006'}, {'Peter': '007', 'Emily': '008', 'Ryan': '009'})
6 UserList、UserString、UserDict
6.1 UserList
UserList是list的包装类,用于创建一个自定义的列表类。如下所示,UserList可以像普通list一样操作:
from collections import UserList
# 创建一个普通的Python列表
my_list = [13, 4, 1, 5, 7]
# 使用UserList类构造函数创建一个自定义列表对象,传入普通列表作为参数
# my_list可以通过UserList.data方法访问。
user_list = UserList(my_list)
# 打印自定义列表对象
print(user_list) # [13, 4, 1, 5, 7]
# 打印自定义列表对象的Python列表数据
print(user_list.data) # [13, 4, 1, 5, 7]
print(user_list[:-1]) # [13, 4, 1, 5]
[13, 4, 1, 5, 7]
[13, 4, 1, 5, 7]
[13, 4, 1, 5]
UserList的好处在于可以创建一个继承自UserList的子类,以便自定义列表的各个方法。下面是重写了append方法的简单示例:
from collections import UserList
class MyList(UserList):
def __init__(self, initialdata=None):
super().__init__(initialdata)
def append(self, item):
# 在添加元素时打印一条消息
print("Appending", item)
super().append(item)
# 创建一个MyList对象并添加元素
my_list = MyList([1, 2, 3])
my_list.append(4)
print(my_list) # [1, 2, 3, 4]
Appending 4
[1, 2, 3, 4]
6.2 UserString
UserString用于创建自定义字符串类。通过继承UserString类,可以创建自定义的可变字符串对象,并且可以使用各种字符串操作方法。如下所示:
from collections import UserString
# 自定义user_string类,继承自UserString类
class user_string(UserString):
# 定义append方法,用于向字符串后追加内容
def append(self, new):
self.data = self.data + new
# 定义remove方法,用于删除字符串中的指定内容
def remove(self, s):
self.data = self.data.replace(s, "")
text = 'dog cat lion elephant'
animals = user_string(text)
animals.append("monkey")
for word in ['cat', 'elephant']:
animals.remove(word)
print(animals) # dog lion monkey
dog lion monkey
6.3 UserDict
UserDic是一个字典类型的包装类,用于创建自定义字典类。通过继承UserDict类,可以创建自定义的字典对象。如下所示:
from collections import UserDict
class MyDict(UserDict):
def __init__(self, initialdata=None):
super().__init__(initialdata)
def __setitem__(self, key, value):
# 在设置键值对时,将所有键转为大写
super().__setitem__(key.upper(), value)
# 创建自定义字典对象
my_dict = MyDict()
# 添加键值对
my_dict['name'] = 'Alice'
my_dict['age'] = 25
# 输出字典内容
print(my_dict) # {'NAME': 'Alice', 'AGE': 25}
{'NAME': 'Alice', 'AGE': 25}
7 参考
- python-collections
- python-collections-guide
- python-collections-tutorial
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
机房租用,北京机房租用,IDC机房托管, http://www.fwqtg.net
相关推荐: 信号处理-盲源分离基础【1】
1. 盲源分离的定义信号处理-盲源分离基础【1】 1. 盲源分离的定义 1.1 滤波器对信号的筛选作用 1.2 盲源分离相比于滤波器设计的差异 1.3 盲源分离的基本技术 1.3.1 PCA方法 1.3.2 ICA方法 1.4 盲源分离问题的欠定性 1. 盲源分离的定义 百度百科…