标准库Collections中4个常用的数据结构

collections 库是标准库的一部分，里面有很多数据结构，在列表、字典、元组的基础上做了很多修改和提升。

创新互联成立与2013年，先为运城等服务建站，运城等地企业，进行企业商务咨询服务。为运城企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

今天就来说说最有用的几个。

1、deque

它实现了两端都可以操作的队列，相当于双端队列，与可以指定最多存储多少个元素，与 Python 的基本数据类型列表很相似。

 
 
 
  
  
  from collections import deque   
  
     
  
  a = deque(maxlen=3)

上述代码定义了大小为 3 的双端队列，当你插入第 4 个元素时，队列的第一个元素会被删除。

 
 
 
  
  
  a = deque(maxlen=3)   
  
  a.append(1) # a = [1]   
  
  a.append(2) # a = [1, 2]   
  
  a.append(3) # a = [1, 2, 3] FULL   
  
  a.append(4) # a = [2,3,4]

因为这是一个双端队列，你可以在队列的首位插入元素，也可以在首尾删除元素，它们的时间复杂度都是 O(1):

append(x) 在队列尾部插入 x
appendleft(x) 在队列头部插入 x
pop() 在队列尾部删除一个元素，并返回
popleft() 在队列头部删除一个元素，并返回

 
 
 
  
  
  a = deque(maxlen = 10)   
  
  a.append(1) # a = [1]   
  
  a.append(2) # a = [1, 2] 在队列尾部插入 2   
  
  a.appendleft(3)# a = [3, 1, 2] 在队列头部插入 3   
  
  x = a.pop() # a = [3, 1], x = 2 删除队列尾部元素 2   
  
  y = a.popleft() # a = [1], y = 3 删除队列头部元素 3

2、namedtuple

这个库提供了命名的元组，可以通过指定的名称来访问，例如：

 
 
 
  
  
  from collections import namedtuple   
  
  Point = namedtuple("Point", ['x','y','z'])   
  
  p = Point(3,4,5)   
  
  print(p.x, p.y, p.z) #Output: 3, 4, 5

namedtuple 函数把第一个参数作为新元组的名称，第二个参数就是元组内元素的名称映射，可以是一个字符串列表，也可以是空格或逗号分割的字符串。

 
 
 
  
  
  Point = namedtuple("Point", "x y z")   
  
  Point = namedtuple("Point", "x,y,z")

也可以这样初始化，非常灵活：

 
 
 
  
  
  p1 = Point(3,4,5)   
  
  p2 = Point(x=3, y=4, z=5)   
  
  p3 = Point._make([3,4,5])

还可以使用 namedtuple 来设置默认值：

 
 
 
  
  
  PointDef = namedtuple("PointDef", "x, y, z", defaults = [0,0,0])   
  
  p = PointDef(x=1) # p is (1,0,0)

如果你定义了三个名称，却提供了两个默认值，那么只有最后两个会被赋予默认值：

 
 
 
  
  
  Point = namedtuple("Point", "x y z",defaults ="[0, 0])   
  
  print(Point._field_defaults)   
  
  # output: {“y”: 0, “z”: 0}

3、Counter

计数器 Counter 非常有用，尤其当你需要统计列表或可迭代对象中元素的数量时：

 
 
 
  
  
  from collections import Counter   
  
  c = Counter(“aaabbccdaaa”)   
  
  print(c)   
  
  #Output: Counter({'a': 6, 'b': 2, 'c': 2, 'd': 1})

还可以方便的统计频率前几大，比如统计出现频率最高的两个元素：

 
 
 
  
  
  print(c.most_common(2))   
  
  #output: [('a', 6), ('b', 2)]

还可以动态增删字符串，然后统计：

 
 
 
  
  
  c = Counter("abbc") # {"a":1, "b":2, "c":1}   
  
  c.update("bccd") # {"a":1, "b":3, "c":3, "d":1}   
  
  c.subtract("bbc") # {"a":1, "b":1, "c":2, "d":1}

4、defaultdict

defaultdict 和 dict 差不多，但是可以提供 dict 的 values 的默认数据类型，比如：

 
 
 
  
  
  from collections import defaultdict   
  
  toAdd =[("key1", 3), ("key2", 5), ("key3", 6), ("key2", 7)]   
  
  d = defaultdict(list)   
  
  for key, val in toAdd:   
  
    d[key].append(val)   
  
  print(d) # {"key1":[3], "key2":[5, 7], "key3":[6]}

如果你用 dict，可能要这样写：

 
 
 
  
  
  d = dict()   
  
  for key, val in toAdd:   
  
    if key in d:   
  
      d[key].append(val)   
  
    else:   
  
      d[key] = [val]

或者是这样的：

 
 
 
  
  
  d = dict()   
  
  for key, val in toAdd:   
  
    d.setdefault(key, []).append(val)

总之，defaultdict 是简单和快捷的。

网页名称：标准库Collections中4个常用的数据结构
当前网址：http://www.shufengxianlan.com/qtweb/news23/271723.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容