学会在Python中使用collections的集合类

本文为作者原创，转载请先与作者联系。

前言

Python为我们提供了4种基本的数据结构：list, tuple, dict, set，但是在处理数据量较大的情形的时候，这4种数据结构就明显过于单一了，比如list是一个作为单向链表在某些情形插入的效率会比较低，有时候我们也需要维护一个有序的dict。所以这个时候我们就要用到Python标准库为我们提供的collections包了，它提供了多个有用的集合类，熟练掌握这些集合类，不仅可以让我们让写出的代码更加Pythonic，也可以提高我们程序的运行效率。

defaultdict

defaultdict在普通的dict之上添加了default_factory，使得key(键)不存在时会自动生成相应类型的value(值)，我们可以在defaultdict的第一个参数中指定相应的default_factory，这个参数可以指定成list, set, int等各种合法类型。

example1

>>> from collections import defaultdict
>>> s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]

我们现在有上面这样一组list(列表)，虽然我们有6组数据，但是仔细观察后发现其实我们只有两种color(颜色)，但是每一个color对应多个值。现在我们想要将这个list转换成一个dict(字典)，这个dict的key(键)对应一种color，dict的value(值)设置为一个list存放color对应的多个值。我们可以使用 defaultdict(list) 来解决这个问题。

# d可以看作一个dict(字典)，dict的value是一个list(列表)
>>> d = defaultdict(list)

>>> for k in s:
...     d[k].append(v)
...   

>>> d
>>> defaultdict(<class 'list'>, {'blue': [2, 4, 4], 'red': [1, 3, 1]})

example2

上面这个例子中有一些不完美的地方，比如说 {'blue': [2, 4, 4], 'red': [1, 3, 1]} 这个defaultdict中blue颜色中包含两个4，red颜色中包含两个1，但是我们不希望含有重复的元素，这个时候可以考虑使用 defaultdict(set) 来解决这个问题。set(集合)相比list(列表)的不同之处在于set中不允许存在相同的元素。

>>> d = defaultdict(list)

>>> for k in s:
...     d[k].add(v)
... 

>>> d
>>> defaultdict(<class 'set'>, {'blue': {2, 4}, 'red': {1, 3}})

example3

>>> s = 'hello world'

通过使用 defaultdict(int) 的形式我们来统计一个字符串中每个字符出现的个数

>>> d = defaultdict(int)

>>> for k in s:
...     d[k] += 1
...   

>>> d
>>> defaultdict(<class 'int'>, {'o': 2, 'h': 1, 'w': 1, 'l': 3, ' ': 1, 'd': 1, 'e': 1, 'r': 1})

OrderedDict

我们知道默认的dict(字典)是无序的，但是在某些情形我们需要保持dict的有序性，这个时候可以使用OrderedDict，它是dict的一个subclass(子类)，但是在dict的基础上保持了dict的有序型，下面我们来看一下使用方法。

example1

# 无序的dict
>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}

这是一个无序的dict(字典)，现在我们可以使用OrderedDict来让这个dict变得有序。

# 将d按照key来排序
>>> OrderedDict(sorted(d.items(), key=lambda t: t[0]))
OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])

# 将d按照value来排序
>>> OrderedDict(sorted(d.items(), key=lambda t: t[1]))
OrderedDict([('pear', 1), ('orange', 2), ('banana', 3), ('apple', 4)])

# 将d按照key的长度来排序
>>> OrderedDict(sorted(d.items(), key=lambda t: len(t[0])))
OrderedDict([('pear', 1), ('apple', 4), ('orange', 2), ('banana', 3)])

example2

使用 popitem(last=True) 方法可以让我们按照LIFO(先进后出)的顺序删除dict中的key-value，即删除最后一个插入的键值对，如果last=False就按照FIFO(先进先出)删除dict中key-value。

>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}

# 将d按照key来排序
>>> d = OrderedDict(sorted(d.items(), key=lambda t: t[0]))

>>> d
OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])

# 使用popitem()方法来移除最后key-value对
>>> d.popitem()
('pear', 1)

# 使用popitem(last=False)来移除最后一个key-value对
>>> d.popitem(last=False)
('apple', 4)

example3

使用 move_to_end(key, last=True) 来改变有序的OrderedDict对象的key-value顺序，通过这个方法我们可以将排序好的OrderedDict对象中的任意一个key-value插入到字典的开头或者结尾。

>>> from collections import OrderedDict

>>> d = OrderedDict.fromkeys('abcde')

>>> d
OrderedDict([('a', None), ('b', None), ('c', None), ('d', None), ('e', None)])

# 将key为b的key-value对移动到dict的最后
>>> d.move_to_end('b')

>>> d
OrderedDict([('a', None), ('c', None), ('d', None), ('e', None), ('b', None)])

>>> ''.join(d.keys())
'acdeb'

# 将key为b的key-value对移动到dict的最前面
>>> d.move_to_end('b', last=False)

>>> ''.join(d.keys())
'bacde'

deque

list存储数据的优势在于按找索引查找元素会很快，但是插入和删除元素就很慢了，因为它是是单链表的数据结构。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，而且线程安全。

list只提供了append和pop方法来从list的尾部插入/删除元素，但是deque新增了 appendleft/popleft 允许我们高效的在元素的开头来插入/删除元素。而且使用deque在队列两端添加（append）或弹出（pop）元素的算法复杂度大约是O(1)，但是对于list对象改变列表长度和数据位置的操作例如 pop(0)和insert(0, v)操作的复杂度高达O(n)。由于对deque的操作和list基本一致，这里就不重复了。

ChainMap

ChainMap用来将多个dict(字典)组成一个list(只是比喻)，可以理解成合并多个字典，但和update不同，而且效率更高。

>>> from collections import ChainMap
>>> a = {'a': 'A', 'c': 'C'}

>>> b = {'b': 'B', 'c': 'D'}

>>> m = ChainMap(a, b)

# 构造一个ChainMap对象
>>> m
ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})

>>> m['a']
'A'

>>> m['b']
'B'

# 将m变成一个list
>>> m.maps
[{'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'}]

# 更新a中的值也会对ChainMap对象造成影响
>>> a['c'] = 'E'
>>> m['c']
'E'

# 从m从复制一个ChainMap对象，更新这个复制的对象并不会对m造成影响
>>> m2 = m.new_child()

>>> m2['c'] = 'f'

>>> m['c']
'E'

>>> a['c']
'E'

>>> m2.parents
ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})

Counter

example1

Counter也是dict的一个subclass，它是一个无序容器，可以看做一个计数器，用来统计相关元素出现的个数。

>>> from collections import Counter
>>> cnt = Counter()

# 统计列表中元素出现的个数
>>> for word in ['red', 'blue', 'red', 'green', 'blue', 'blue']:
...  cnt[word] += 1
...

>>> cntCounter({'blue': 3, 'red': 2, 'green': 1})

# 统计字符串中元素出现的个数
>>> cnt = Counter()

>>> for ch in 'hello':
...     cnt[ch] = cnt[ch] + 1
... 

>>> cnt
Counter({'l': 2, 'o': 1, 'h': 1, 'e': 1})

example2

elements()方法按照元素的出现次数返回一个iterator(迭代器)，元素以任意的顺序返回，如果元素的计数小于1，将忽略它。

>>> c = Counter(a=4, b=2, c=0, d=-2)

>>> c
Counter({'a': 4, 'b': 2, 'c': 0, 'd': -2})

>>> c.elements()
<itertools.chain object at 0x7fb0a069ccf8>

>>> next(c)
'a'

# 排序
>>> sorted(c.elements())
['a', 'a', 'a', 'a', 'b', 'b']

most_common(n)返回一个list, list中包含Counter对象中出现最多前n个元素。

>>> c = Counter('abracadabra')

>>> c
Counter({'a': 5, 'b': 2, 'r': 2, 'd': 1, 'c': 1})

>>> c.most_common(3)  
[('a', 5), ('b', 2), ('r', 2)]

namedtuple

使用namedtuple( typename ,  field_names )命名tuple中的元素来使程序更具可读性

>>> from collections import namedtuple

>>> Point = namedtuple('PointExtension', ['x', 'y'])

>>> p = Point(1, 2)

>>> p.__class__.__name__
'PointExtension'

>>> p.x1

>>> p.y2