寫在之前

我們都知道 Python 中內置了許多標準的數據結構，比如列表，元組，字典等。與此同時標準庫還提供了一些額外的數據結構，我們可以基于它們創建所需的新數據結構。

Python 附帶了一個「容器」模塊 collections，它包含了很多的容器數據類型，今天我們來討論其中幾個常用的容器數據類型，掌握了這幾個可以減少我們重復造輪子所帶來的煩擾。

namedtuple

相信你已經熟悉了元組。一個元組相當于一個不可變的列表，你可以存儲一個數據的序列。這里要說的 namedtuple（命名元組）和元組非常像，它們都不能修改自己的數據。說完了像，那么它們有哪些地方不像呢？

作為元組，為了獲取其中的數據，我們需要使用整數作為索引：

>>> people = (’Rocky’, ’python’)>>> print(people[0])Rocky

而 namedtuple 把元組變成了一個針對簡單任務的容器，我們不必使用整數索引來訪問 namedtuple 的數據，反而可以像用字典一樣訪問 namedtuple。

>>> from collections import namedtuple>>> people = namedtuple(’people’, ’name age like’)>>> Rocky = people(name = ’rocky’, age = 23, like = ’python’)>>> print(Rocky)people(name=’rocky’, age=23, like=’python’)>>> print(Rocky.name)rocky

一個 namedtuple 有兩個必須的參數：元組名稱和字段名稱。在上面的代碼中，我們的元組名稱是 people，字段名稱是 name，age，like。nametuple 讓元組變的更加易讀，很容易理解代碼是做什么的，同樣我們也不用使用整數索引來訪問一個命名元組（上面代碼我們用 name 訪問了 namedtuple 中的數據），這讓我們的代碼更加容易維護。

但是你一定要記住的是，雖然它的用法很爽，但它還是一個元組！所以屬性值在 namedtuple 中是不可變的。

我們在上面說過可以像用字典一樣訪問 namedtuple，那么當然也可以把它轉為字典，具體操作如下所示:

>>> from collections import namedtuple>>> people = namedtuple(’people’, ’name age like’)>>> Rocky = people(name = ’rocky’, age = 23, like = ’python’)>>> print(Rocky._asdict())OrderedDict([(’name’, ’rocky’), (’age’, 23), (’like’, ’python’)])

defaultdict

我之前在使用字典的時候相當隨意，只是隨便 dict 一下就好了，然而這樣使用存在一個問題：當使用的 key 不存在的時候會報 KeyError，而 defaultdict 就比較厲害了，我們完全不需要檢查 key 是否存在，所以我們能像下面這樣做的隨心所欲：

from collections import defaultdictlanguages = ( (’rocky’, ’python’), (’snow’, ’c’), (’leey’, ’java’), (’rocky’, ’c++’), (’leey’, ’c#’))favourite = defaultdict(list)for name, language in languages: favourite[name].append(language)print(favourite)

輸出如下所示：

defaultdict(<type ’list’>, {’leey’: [’java’, ’c#’], ’rocky’: [’python’, ’c++’], ’snow’: [’c’]})

然后我們再回到“鍵不存在，會觸發 KeyError 異常”這個問題上來，我們先來看 dict 觸發 KeyError 的例子：

my_dict = {}my_dict[’name’][’like’] = ’python’

輸出如下：

KeyError: ’name’

defaultdict 則用了一個非常巧妙的方式繞過了這個問題，請看下面的操作：

import collectionslanguage = lambda : collections.defaultdict(language)my_dict = language()my_dict[’name’][’like’] = ’python’

運行一下顯示正常，我們可以用 json.dumps 打印出 my_dict 的內容：

import jsonprint(json.dumps(my_dict))

運行結果如下：

{'name': {'like': 'python'}}

Counter

Counter 是一個計數器，它可以幫助我們針對某項數據進行計數，比如可以用它來統計每個人擅長的編程語言：

from collections import Counterlanguages = ((’rocky’, ’python’),(’snow’, ’c’),(’leey’, ’java’),(’rocky’, ’c++’),(’leey’, ’c#’))cnt = Counter(name for name, language in languages)print(cnt)

運行結果如下所示：

Counter({’leey’: 2, ’rocky’: 2, ’snow’: 1})

當然我們也可以用它來統計一個文件，比如：

from collections import Counter

with open(’test.txt’, ’rb’) as f:line_cnt = Counter(f)

print(line_cnt)

deque

deque 提供了一個雙端隊列，我們可以在首尾兩端添加或者刪除元素

想要使用 deque，首先我們要從 collections 中導入 deque 模塊，然后創建一個 deque 對象，它的用法就像我們前面學過的 list 一樣，并且提供了類似的方法，具體如下所示：

from collections import dequedeq = deque()deq.append(1)deq.append(2)deq.append(3)print(deq)print(len(deq))print(deq[0])print(deq[-1])

輸出結果如下：

deque([1, 2, 3])313

我們可以從兩端取出數據：

from collections import dequedeq = deque(range(5))print(’len(deq) == {}’.format(len(deq)))deq.popleft()deq.pop()print(deq)

輸出的結果如下所示：

len(deq) == 5deq == deque([1, 2, 3])

我們也可以對這個列表的大小進行限制，當超出我們的限制的時候，數據會從另一端被 pop 出去，具體我們來看下面的操作：

from collections import dequedeq = deque(maxlen=3)deq.append(1)deq.append(2)deq.append(3)print(deq)deq.append(4)print (deq)

輸出的結果如下：

deque([1, 2, 3], maxlen=3)deque([2, 3, 4], maxlen=3)

當超出 maxlen 的值時，最左邊的數據將從隊列中刪除。

當然我們還可以從任意一端擴展這個雙端隊列中的數據：

from collections import dequedeq = deque([1,2,3])deq.extendleft([0])deq.extend([4,5,6])print(deq)

輸出的結果如下所示：

deque([0, 1, 2, 3, 4, 5, 6])

以上就是詳解Python 中的容器 collections的詳細內容，更多關于python collections的資料請關注好吧啦網其它相關文章！