写在之前
我们都知道 Python 中内置了许多标准的数据结构，比如列表，元组，字典等。与此同时标准库还提供了一些额外的数据结构，我们可以基于它们创建所需的新数据结构。
Python 附带了一个「容器」模块 collections，它包含了很多的容器数据类型，今天我们来讨论其中几个常用的容器数据类型，掌握了这几个可以减少我们重复造轮子所带来的烦扰。
namedtuple
相信你已经熟悉了元组。一个元组相当于一个不可变的列表，你可以存储一个数据的序列。这里要说的 namedtuple（命名元组）和元组非常像，它们都不能修改自己的数据。说完了像，那么它们有哪些地方不像呢？
作为元组，为了获取其中的数据，我们需要使用整数作为索引：
|
1
2
3
|
>>> people = ('Rocky', 'python')>>> print(people[0])Rocky |
而 namedtuple 把元组变成了一个针对简单任务的容器，我们不必使用整数索引来访问 namedtuple 的数据，反而可以像用字典一样访问 namedtuple。
|
1
2
3
4
5
6
7
|
>>> 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 |
一个 namedtuple 有两个必须的参数：元组名称和字段名称。在上面的代码中，我们的元组名称是 people，字段名称是 name，age，like。nametuple 让元组变的更加易读，很容易理解代码是做什么的，同样我们也不用使用整数索引来访问一个命名元组（上面代码我们用 name 访问了 namedtuple 中的数据），这让我们的代码更加容易维护。
但是你一定要记住的是，虽然它的用法很爽，但它还是一个元组！所以属性值在 namedtuple 中是不可变的。
我们在上面说过可以像用字典一样访问 namedtuple，那么当然也可以把它转为字典，具体操作如下所示:
|
1
2
3
4
5
|
>>> 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时候相当随意，只是随便 dict 一下就好了，然而这样使用存在一个问题：当使用的 key 不存在的时候会报 KeyError，而 defaultdict 就比较厉害了，我们完全不需要检查 key 是否存在，所以我们能像下面这样做的随心所欲：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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) |
输出如下所示：
defaultdict(<type 'list'>, {'leey': ['java', 'c#'], 'rocky': ['python', 'c++'], 'snow': ['c']})
然后我们再回到“键不存在，会触发 KeyError 异常”这个问题上来，我们先来看 dict 触发 KeyError 的例子：
|
1
2
|
my_dict = {}my_dict['name']['like'] = 'python' |
输出如下：
KeyError: 'name'
defaultdict 则用了一个非常巧妙的方式绕过了这个问题，请看下面的操作：
|
1
2
3
4
|
import collectionslanguage = lambda : collections.defaultdict(language)my_dict = language()my_dict['name']['like'] = 'python' |
运行一下显示正常，我们可以用 json.dumps 打印出 my_dict 的内容：
|
1
2
|
import jsonprint(json.dumps(my_dict)) |
运行结果如下：
{"name": {"like": "python"}}
Counter
Counter 是一个计数器，它可以帮助我们针对某项数据进行计数，比如可以用它来统计每个人擅长的编程语言：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
from collections import Counterlanguages = (('rocky', 'python'),('snow', 'c'),('leey', 'java'),('rocky', 'c++'),('leey', 'c#'))cnt = Counter(name for name, language in languages)print(cnt) |
运行结果如下所示：
Counter({'leey': 2, 'rocky': 2, 'snow': 1})
当然我们也可以用它来统计一个文件，比如：
from collections import Counter
with open('test.txt', 'rb') as f:
line_cnt = Counter(f)
print(line_cnt)
deque
deque 提供了一个双端队列，我们可以在首尾两端添加或者删除元素
想要使用 deque，首先我们要从 collections 中导入 deque 模块，然后创建一个 deque 对象，它的用法就像我们前面学过的 list 一样，并且提供了类似的方法，具体如下所示：
|
1
2
3
4
5
6
7
8
9
10
|
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]) |
输出结果如下：
deque([1, 2, 3])
3
1
3
我们可以从两端取出数据：
|
1
2
3
4
5
6
7
|
from collections import dequedeq = deque(range(5))print('len(deq) == {}'.format(len(deq)))deq.popleft()deq.pop()print(deq) |
输出的结果如下所示：
len(deq) == 5
deq == deque([1, 2, 3])
我们也可以对这个列表的大小进行限制，当超出我们的限制的时候，数据会从另一端被 pop 出去，具体我们来看下面的操作：
|
1
2
3
4
5
6
7
8
9
|
from collections import dequedeq = deque(maxlen=3)deq.append(1)deq.append(2)deq.append(3)print(deq)deq.append(4)print (deq) |
输出的结果如下：
deque([1, 2, 3], maxlen=3)
deque([2, 3, 4], maxlen=3)
当超出 maxlen 的值时，最左边的数据将从队列中删除。
当然我们还可以从任意一端扩展这个双端队列中的数据：
|
1
2
3
4
5
6
|
from collections import dequedeq = deque([1,2,3])deq.extendleft([0])deq.extend([4,5,6])print(deq) |
输出的结果如下所示：
deque([0, 1, 2, 3, 4, 5, 6])
以上就是详解Python 中的容器 collections的详细内容，更多关于python collections的资料请关注服务器之家其它相关文章！
原文链接：https://cloud.tencent.com/developer/article/1534559
