Collections 模块
本文将简单介绍一个 Python 模块 Collections 。这个模块实现了一些很好用的数据结构，可以帮助我们解决不同的实际问题。
可以通过import collections导入该模块的方法，现在我们进入 ipython3 然后使用dir(collections)查看 collections 下都有哪些可以用的类。
In [1]: import collections
In [2]: dir(collections)Out[2]:['ChainMap', 'Counter', 'OrderedDict', 'UserDict', 'UserList', 'UserString', '_Link', '_OrderedDictItemsView', '_OrderedDictKeysView', '_OrderedDictValuesView', '__all__', '__builtins__', '__cached__', '__doc__', '__file__', '__getattr__', '__loader__', '__name__', '__package__', '__path__', '__spec__', '_chain', '_collections_abc', '_count_elements', '_eq', '_heapq', '_iskeyword', '_itemgetter', '_nt_itemgetters', '_proxy', '_recursive_repr', '_repeat', '_starmap', '_sys', 'abc', 'defaultdict', 'deque', 'namedtuple']
复制代码
根据官方文档： 这个模块实现了特定目标的容器，以提供 Python 标准内建容器 dict , list , set , 和 tuple 的替代选择。
tuple 的功能
Counter
Counter 是一个 dict 子类，可帮助计算可哈希对象的值。在其中，元素存储为字典的键，值可以为零或负值。
在下例中，我们可以找到文件单词出现的次数:
from collections import Countersentence = "I can because i think i can"# Counter是一个简单的计数器，可以数组中统计字符出现的个数：counts = Counter(sentence.split())print(counts) # Counter({'can': 2, 'i': 2, 'I': 1, 'because': 1, 'think': 1})
复制代码
Counter 对象有一个elements的方法，该方法在元素上返回迭代次数超过元素计数的迭代器。元素以任意顺序返回。
In [7]: c = Counter(a=4, b=2, c=0, d=-2)
In [8]: list(c.elements())Out[8]: ['a', 'a', 'a', 'a', 'b', 'b']
复制代码
most_common是一种返回最常见元素及其计数（从最常见到最小）的方法。
In [9]: Counter('this is a test sentence').most_common(3)Out[9]: [('t', 4), ('s', 4), (' ', 4)]
复制代码
defaultdict
defaultdict 是类似于字典的对象，它提供字典提供的所有方法，但将第一个参数（default_factory）作为字典的默认数据类型。使用 defaultdict 比使用 dict.set_default 方法执行相同操作更快。
>>> from collections import defaultdict>>> s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]>>> d = defaultdict(list)>>> for k, v in s:... d[k].append(v)...>>> d.items()dict_items([('blue', [2, 4]), ('red', [1]), ('yellow', [1, 3])])
复制代码
在该示例中，即使 defaultdict 对象中没有键，您也可以看到它会自动创建一个空列表。list.append 然后有助于将值附加到列表中。
使用 dict 时，如果引用的 Key 不存在，就会抛出 KeyError。如果希望 key 不存在时，返回一个默认值，就可以用 defaultdict：
>>> from collections import defaultdict>>> dd = defaultdict(lambda: 'N/A')>>> dd['key1'] = 'abc'>>> dd['key1'] # key1存在'abc'>>> dd['key2'] # key2不存在，返回默认值'N/A'
复制代码
nametuple
命名元组有助于了解元组中每个位置的含义，并允许我们以更好的可读性和自记录代码进行编码。您可以在使用元组的任何地方使用它们。在示例中，我们将创建一个命名元组以显示点的保留信息。
>>> from collections import namedtuple>>> Point = namedtuple('Point', ['x', 'y']) # Defining the namedtuple>>> p = Point(10, y=20) # Creating an object>>> pPoint(x=10, y=20)>>> p.x + p.y30>>> p[0] + p[1] # Accessing the values in normal way30>>> x, y = p # Unpacking the tuple>>> x10>>> y20
复制代码
deque
deque 就是我们数据结构中听说的双端队列，Python 已经帮我实现了这个功能。
使用 list 存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，因为 list 是线性存储，数据量大的时候，插入和删除效率很低。
deque 是为了高效实现插入和删除操作的双向列表，适合用于队列和栈：
>>> from collections import deque>>> q = deque(['a', 'b', 'c'])>>> q.append('x')>>> q.appendleft('y')>>> qdeque(['y', 'a', 'b', 'c', 'x'])
复制代码
deque 除了实现 list 的 append()和 pop()外，还支持 appendleft()和 popleft()，这样就可以非常高效地往头部添加或删除元素。
# -*- 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 sysimport timefrom 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# ------------->-------
复制代码
OrderedDict
顾名思义，有序字典。当我们使用 dict 时，Key 是无序的。在对 dict 做迭代时，我们无法确定 Key 的顺序。
如果要保持 Key 的顺序，可以用 OrderedDict：
>>> from collections import OrderedDict>>> d = dict([('a', 1), ('b', 2), ('c', 3)])>>> d # dict的Key是无序的{'a': 1, 'c': 3, 'b': 2}>>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])>>> od # OrderedDict的Key是有序的OrderedDict([('a', 1), ('b', 2), ('c', 3)])
复制代码
注意，OrderedDict 的 Key 会按照插入的顺序排列，不是 Key 本身排序：
>>> od = OrderedDict()>>> od['z'] = 1>>> od['y'] = 2>>> od['x'] = 3>>> od.keys() # 按照插入的Key的顺序返回['z', 'y', 'x']
复制代码
ChainMap
3.3 新版功能.
一个 ChainMap 类是为了将多个映射快速的链接到一起，这样它们就可以作为一个单元处理。它通常比创建一个新字典和多次调用 update() 要快很多。
ChainMap 可以把一组 dict 串起来并组成一个逻辑上的 dict。ChainMap 本身也是一个 dict，但是查找的时候，会按照顺序在内部的 dict 依次查找。
>>> baseline = {'music': 'bach', 'art': 'rembrandt'}>>> adjustments = {'art': 'van gogh', 'opera': 'carmen'}>>> list(ChainMap(adjustments, baseline))['music', 'art', 'opera']
复制代码
什么时候使用 ChainMap 最合适？举个例子：应用程序往往都需要传入参数，参数可以通过命令行传入，可以通过环境变量传入，还可以有默认参数。我们可以用 ChainMap 实现参数的优先级查找，即先查命令行参数，如果没有传入，再查环境变量，如果没有，就使用默认参数。
总结
站在巨人的肩膀上：
官方文档-- collections — 容器数据类型
免费视频课–python必学模块-collections
廖大神的官方网站–collections
不可不知的 Python 模块: collections
评论