Python 中的collections 模块

rwrr322

这个模块中实现了一些类，非常灵活。可以用于替代python 内置的dict 、list 、tuple 、set 类型。并且一些功能是这些内置类型所不存在的。

在网络上找了一些资料,重点说说collections 模块中的 deque 、defaultdict、Counter 类

1、class deque
类似于python 内置的 list ，不过它是一个双向的list。可以在任意一头进行操作

help(collections.deque)

class deque(__builtin__.object)
  deque([iterable[, maxlen]]) --> deque object

deque 的参数应该时一个iterable.

Example:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

In [1]: import collections In [2]: d = collections.deque('abcdef') In [3]: print d deque(['a', 'b', 'c', 'd', 'e', 'f']) In [4]: d.append('mm')         #追加元素 In [5]: print d deque(['a', 'b', 'c', 'd', 'e', 'f', 'mm']) In [6]: d.appendleft('gg')   #从左追加元素 In [7]: print d deque(['gg', 'a', 'b', 'c', 'd', 'e', 'f', 'mm']) In [8]: d.pop()    # pop 一个元素 Out[8]: 'mm' In [9]: print d deque(['gg', 'a', 'b', 'c', 'd', 'e', 'f']) In [10]: d.popleft() #从左pop 一个元素 Out[10]: 'gg' In [11]: print d deque(['a', 'b', 'c', 'd', 'e', 'f']) In [12]: d.extend('xyz')   #扩展 In [13]: print d deque(['a', 'b', 'c', 'd', 'e', 'f', 'x', 'y', 'z']) In [14]: d.extendleft('123')  #左扩展 In [15]: print d deque(['3', '2', '1', 'a', 'b', 'c', 'd', 'e', 'f', 'x', 'y', 'z']) In [16]: d.reverse() #反转 In [17]: print d deque(['z', 'y', 'x', 'f', 'e', 'd', 'c', 'b', 'a', '1', '2', '3']) In [22]: d.extend('1111') In [23]: d.count('1')      #统计一个元素的个数 Out[23]: 5 In [24]: print d deque(['z', 'y', 'x', 'f', 'e', 'd', 'c', 'b', 'a', '1', '2', '3', '1', '1', '1', '1']) In [27]: d.rotate(2)  #右旋转 In [28]: print d deque(['1', '1', 'z', 'y', 'x', 'f', 'e', 'd', 'c', 'b', 'a', '1', '2', '3', '1', '1']) In [29]: d.rotate(-2) #左旋转 In [30]: print d deque(['z', 'y', 'x', 'f', 'e', 'd', 'c', 'b', 'a', '1', '2', '3', '1', '1', '1', '1']) In [31]: d.clear() #清空 In [32]: print d deque([])

另外在deque 函数中发现一个maxlen参数。主要是限制这个双向list 的 大小

1 2 3 4

In [34]: d = collections.deque(xrange(10),5) In [35]: print d deque([5, 6, 7, 8, 9], maxlen=5) In [36]:

2、class defaultdict

python 内置的dict 类型有一个setdefault 方法，这个方法的意思是。获取一个dict 中key 对应的value 。若这个key 不存在于dict 中，则在这个dict 设置 key, 这个key 对应的 value 为 defaultdict 设置的相应值
Example:

1 2 3 4 5 6 7 8 9 10 11 12 13 14

In [46]: d = {'Name':'God','Age':28} In [52]: d.setdefault('Name')   # 这个key 存在于dict 中，因此返回了对应的value Out[52]: 'God' In [48]: d.setdefault('test')   # 这个key不存在于dict 中，因此它被set 到了dict中，没有指定value ，则value 为 None In [49]: d Out[49]: {'Age': 28, 'Name': 'God', 'test': None} In [50]: d.setdefault('test2','test2value')  # 这个key不存在于dict 中，因此它被set 到了dict中，指定value 为 "test2value" Out[50]: 'test2value' In [51]: d Out[51]: {'Age': 28, 'Name': 'God', 'test': None, 'test2': 'test2value'}

而class defaultdict类似于dict 中的 setdefault函数. 只是它在初始化这个dict 的时候就已经设置了默认值.
Example:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

#! /usr/bin/env python import collections def default_factory():     return "defualt value" #在dict存在一个d['foo'] = 'bar' 的值。若获取不存在于dict中的key， #则返回default_factory 函数的返回值 d = collections.defaultdict(default_factory,foo='bar') print 'd:',d print "foo=>",d.get('foo') print "foo=>",d['foo'] print "var=>",d['bar'] print '*' * 20 # 定义的这个dict,若key 不存在于dict 中，则将这个key放到dict中， # 并对这个key赋值为list d = collections.defaultdict(list) print 'd:',d print "foo=>",d.get('foo') print "foo=>",d['foo'] print "var=>",d['bar']

执行结果如下:

1 2 3 4 5 6 7 8 9

d: defaultdict(<function default_factory at 0x7f230849e8c0>, {'foo': 'bar'}) foo=> bar foo=> bar var=> defualt value ******************** d: defaultdict(<type 'list'>, {}) foo=> None foo=> [] var=> []

3、class Counter
我感觉Counter 这个类比较牛，它接受一下几种类型的参数，并返回一个dict

>>> c = Counter()                           # a new, empty counter
>>> c = Counter('gallahad')                 # a new counter from an iterable
>>> c = Counter({'a': 4, 'b': 2})           # a new counter from a mapping
>>> c = Counter(a=4, b=2)                   # a new counter from keyword args
看看都时什么样的结果：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

In [1]: import collections In [2]: c = collections.Counter() In [3]: print c Counter() In [4]: c = collections.Counter('abcdefg') In [5]: print c Counter({'a': 1, 'c': 1, 'b': 1, 'e': 1, 'd': 1, 'g': 1, 'f': 1}) In [6]: c = collections.Counter({'a': 4, 'b': 2}) In [7]: print c Counter({'a': 4, 'b': 2}) In [8]: c = collections.Counter(a=4, b=2) In [9]: print c Counter({'a': 4, 'b': 2})

那么这个返回的dict 到底是一个什么样的结构呢? 用它自己的原话说是这样的
Elements are stored as dictionary keys and their counts are stored as dictionary values

以下通过它本身的几个实例来看具体的使用:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

In [10]: c = collections.Counter('abcdeabcdabcaba') In [12]: print c Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1}) In [13]: c.most_common(3)  # 显示出个数最多的三个元素 Out[13]: [('a', 5), ('b', 4), ('c', 3)] In [14]: sorted(c)  # 过滤排重 Out[14]: ['a', 'b', 'c', 'd', 'e'] In [17]: d = collections.Counter('simsalabim') In [18]: c.update(d)  # 将d 这个counter 更新到c 中 In [19]: print c Counter({'a': 7, 'b': 5, 'c': 3, 'd': 2, 'i': 2, 'm': 2, 's': 2, 'e': 1, 'l': 1})

总之，Counter 类 所对应的实例，可以参考dict 的方法去操作。在上例中可以使用help(c) 去获得相应的帮助信息。