AI 助理
备案控制台
开发者社区 数据库 文章 正文

Python3—— collections模块

2018-04-04 1496
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： collections的常用类型有：计数器(Counter)双向队列(deque)默认字典(defaultdict)有序字典(OrderedDict)可命名元组(namedtuple)使用以上类型时需要导入模块...

collections的常用类型有：

计数器(Counter)

双向队列(deque)

默认字典(defaultdict)

有序字典(OrderedDict)

可命名元组(namedtuple)

使用以上类型时需要导入模块 from collections import *

collections是Python内建的一个集合模块，提供了许多有用的集合类

1. Counter

Counter 作为字典(dict)的一个子类用来进行hashtable计数，将元素进行数量统计、计数后返回一个字典,键值为元素：值为元素个数

[python]  view plain  copy
  1. s = 'abcbcaccbbad'  
  2. l = ['a','b','c','c','a','b','b']  
  3. d = {'2': 3, '3': 2, '17': 2}  
  4. # Counter 获取各元素的个数,返回字典  
  5. print(Counter(s))   # Counter({'c': 4, 'b': 4, 'a': 3})  
  6. print(Counter(l))   # Counter({'b': 3, 'a': 2, 'c': 2})  
  7. print(Counter(d))   # Counter({3: 3, 2: 2, 17: 1})  

most_common

[python]  view plain  copy
  1. # most_common(int) 按照元素出现的次数进行从高到低的排序,返回前int个元素的字典  
  2. m1 = Counter(s)  
  3. print(m1)                 # Counter({'c': 4, 'b': 4, 'a': 3, 'd': 1})  
  4. print(m1.most_common(3))  # [('c', 4), ('b', 4), ('a', 3)]  

elements

[python]  view plain  copy
  1. # elements 返回经过计数器Counter后的元素,返回的是一个迭代器  
  2. e1 = Counter(s)  
  3. print(''.join(sorted(e1.elements())))  # aaabbbbcccc  
  4. e2 = Counter(d)  
  5. print(sorted(e2.elements()))  # ['17', '17', '2', '2', '2', '3', '3'] 字典返回value个key  

update

[python]  view plain  copy
  1. # update 和set集合的update一样,对集合进行并集更新  
  2. u1 = Counter(s)  
  3. u1.update('123a')  
  4. print(u1)  # Counter({'a': 4, 'c': 4, 'b': 4, '1': 1, '3': 1, '2': 1})  

substract

[python]  view plain  copy
  1. # substract 和update类似，只是update是做加法，substract做减法,从另一个集合中减去本集合的元素，  
  2. sub1 = 'which'  
  3. sub2 = 'whatw'  
  4. subset = Counter(sub1)  
  5. print(subset)   # Counter({'h': 2, 'i': 1, 'c': 1, 'w': 1})  
  6. subset.subtract(Counter(sub2))  
  7. print(subset)   # Counter({'c': 1, 'i': 1, 'h': 1, 'a': -1, 't': -1, 'w': -1}) sub1中的h变为2，sub2中h为1,减完以后为1  

iteritems

与字典dict的items类似，返回由Counter生成的字典的所有item,只是在Counter中此方法返回的是一个迭代器,而不是列表

iterkeys

与字典dict的keys方法类似，返回由Counter生成的字典的所有key,只是在Counter中此方法返回的是一个迭代器,而不是列表

itervalues

与字典dict的values方法类似，返回由Counter生成的字典的所有value,只是在Counter中此方法返回的是一个迭代器,而不是列表

2.deque

deque 包含在文件_collections.py中,属于高性能的数据结构(High performance data structures)之一.可以从两端添加和删除元素,常用的结构是它的简化版 。

deque常用方法：

deque

[python]  view plain  copy
  1. str1 = 'abc123cd'  
  2. dq = deque(str1)  
  3. print(dq)        # deque(['a', 'b', 'c', '1', '2', '3', 'c', 'd'])  

append

队列右边添加元素

appendleft

队列左边添加元素
[python]  view plain  copy
  1. dq = deque('abc123')  
  2. dq.append('right')  
  3. dq.appendleft('left')  
  4. print(dq) # deque(['left', 'a', 'b', 'c', '1', '2', '3', 'right'])  

clear

clear 清空队列中的所有元素

count

count(value)  返回队列中包含value的个数,结果类型为 integer

extend

extend 队列右边扩展,可以是列表、元组或字典，如果是字典则将字典的key加入到deque

extendleft

extendleft  同extend, 在左边扩展
[python]  view plain  copy
  1. dq = deque('abc123')  
  2. dq.extend({1:10,2:20})  
  3. dq.extendleft('L')  
  4. print(dq) # deque(['L', 'a', 'b', 'c', '1', '2', '3', 1, 2])  

pop

pop  移除并且返回队列右边的元素

popleft

popleft 移除并且返回队列左边的元素

remove

remove(value) 移除队列第一个出现的元素（从左往右开始的第一次出现的元素value)

reverse

reverse  队列的所有元素进行反转

rotate

rotate(n) 对队列的数进行移动,若n<0，则往左移动即将左边的第一个移动到最后,移动n次，n>0 往右移动
[python]  view plain  copy
  1. dq = deque([1,2,3,4,5])  
  2. dq.rotate(-1) # 左移,1往左移动一位到5后面  
  3. print(dq)  

3.defaultdict

默认字典,是字典的一个子类,继承有字典的方法和属性,默认字典在进行定义初始化的时候可以指定字典值得默认类型：
[python]  view plain  copy
  1. dic = collections.defaultdict(dict)  
  2. dic['k1'].update({'k2':'aaa'})  
  3. print(dic)  
我们看上面的例子,字典dic在定义的时候就定义好了值为字典类型,虽然现在字典中还没有键值 k1，但仍然可以执行字典的update方法. 这种操作方式在传统的字典类型中是无法实现的,必须赋值以后才能进行值得更新操作，否则会报错。
我看看一下传统的字典类型
[python]  view plain  copy
  1. b = dict()  
  2. b['k1'].append('2')  
  3. # TypeError: 'type' object is not iterable  

4.OrderedDict 

OrderDict 叫做有序字典,也是字典类型(dict)的一个子类,是对字典的一个补充。 前面我们说过,字典类型是一个无序的集合,如果要想将一个传统的字典类型进行排序一般会怎么做了，我们可能会将字典的键值取出来做排序后在根据键值来进行有序的输出,我们看下面的一个例子：
[python]  view plain  copy
  1. # 定义传统字典  
  2. dic1 = dict()  
  3. # 按顺序添加字典内容  
  4. dic1['a'] = '123'  
  5. dic1['b'] = 'jjj'  
  6. dic1['c'] = '394'  
  7. dic1['d'] = '999'  
  8. print(dic1)    # 结果： {'a': '123', 'c': '394', 'b': 'jjj', 'd': '999'}  
  9. # 排序  
  10. dic1_key_list = []  
  11. for k in dic1.keys():  
  12.     dic1_key_list.append(k)  
  13. dic1_key_list.sort()  
  14. for key in dic1_key_list:  
  15.     print('dic1字典排序结果 %s:%s' %(key,dic1[key]))  

以上为定义传统字典类型时的一个简单排序过程。 如果我们定义一个有序字典时,将不用再如此麻烦, 字典顺序将按照录入顺序进行排序且不会改变。
[python]  view plain  copy
  1. # 定义有序字典  
  2. dic2 = OrderedDict()  
  3. dic2['a'] = '123'  
  4. dic2['b'] = 'jjj'  
  5. dic2['c'] = 'abc'  
  6. dic2['d'] = '999'  
  7. for k, v in dic2.iteritems():  
  8.     print('有序字典：%s:%s' %(k,v))  

 

5.namedtuple

标准的tuple类型使用数字索引来访问元素,

[python]  view plain  copy
  1. bob = ('Bob', 30, 'male')  
  2. print('Representation:', bob)  
  3.   
  4. jane = ('Jane', 29, 'female')  
  5. print('\nField by index:', jane[0])  
  6.   
  7. print('\nFields by index:')  
  8. for p in [bob, jane]:  
  9.     print('%s is a %d year old %s' % p)  

这种对于标准的元组访问,我们需要知道元素对应下标索引值,但当元组的元素很多时,我们可能无法知道每个元素的具体索引值,这个时候就是可命名元组登场的时候了。

nametuple 的创建是由自己的类工厂nametuple()进行创建,而不是由标准的元组来进行实例化，通过nametuple()创建类的参数包括类名称和一个包含元素名称的字符串

[python]  view plain  copy
  1. from collections import namedtuple  
  2.   
  3. #创建一个nametuplede 类,类名称为Person，并赋给变量P  
  4. P = namedtuple('Person', 'name,age,gender')  
  5. print('Type of Person:', type(P))  # Type of Person: <class 'type'>  
  6.   
  7. #通过Person类实例化一个对象bob  
  8. bob = P(name='Bob', age=30, gender='male')  
  9. print('\nRepresentation:', bob)  # Representation: Person(name='Bob', age=30, gender='male')  
  10.   
  11. #通过Person类实例化一个对象jane  
  12. jane = P(name='Jane', age=29, gender='female')  
  13. print('\nField by name:', jane.name)  # Field by name: Jane  
  14.   
  15. print('\nFields by index:')  
  16. for p in [bob, jane]:  
  17.     print('%s is a %d year old %s' % p)  
  18. # Fields by index:  
  19. # Bob is a 30 year old male  
  20. # Jane is a 29 year old female  

通过上面的实例可以看出,我们通过nametuple()创建了一个Person的类,并复制给P变量,Person的类成员包括name,age,gender,并且顺序已经定了,在实例化zhangsan这个对象的时候,对张三的属性进行了定义。这样我们在访问zhangsan这个元组的时候就可以通过张三的属性来复制(zhangsan.name、zhangsan.age等)。这样就算这个元组有1000个元素我们都能通过元素的名称来访问而不用考虑元素的下标索引值。

非法的参数值

使用nametuple()来创建类的时候,传递的成员属性参数名称不能非法（不能为系统参数名称），且参数名称不能重复,否则会报值错误

[python]  view plain  copy
  1. # 参数字段的名称非法,包含系统名称class  
  2. try:  
  3.     p = namedtuple('Person','age,name,class,gender')  
  4.     print(p._fields)  
  5. except ValueError as err:  
  6.     print(err)  
  7.   
  8. # Type names and field names cannot be a keyword: 'class'  
  9.   
  10. # 类成员字段参数名称重复 age  
  11. try:  
  12.     p1 = namedtuple('Person','age,gender,name,age')  
  13.     print(p1._fields)  
  14. except ValueError as err:  
  15.     print(err)  
  16. # Encountered duplicate field name: 'age'  

但是也有时候我们是无法控制的,如果参数的名称来自外部，比如是通过读取数据库中的内容来传递的参数,此时我们无法手工的修改参数名称,那该如何是好呢! 别担心,只需要增加一个属性就OK了，它就是rename

[python]  view plain  copy
  1. # 参数字段的名称非法,包含系统名称class  
  2. try:  
  3.     p = namedtuple('Person','age,name,class,gender',rename=True)  
  4.     print(p._fields)  
  5. except ValueError as err:  
  6.     print(err)  
  7.   
  8. # ('age', 'name', '_2', 'gender')  
  9.   
  10. # 类成员字段参数名称重复 age  
  11. try:  
  12.     p1 = namedtuple('Person','age,gender,name,age',rename=True)  
  13.     print(p1._fields)  
  14. except ValueError as err:  
  15.     print(err)  
  16. # ('age', 'gender', 'name', '_3')  

从以上的实例我们看出，当有参数错误的时候，系统自动将错误的参数通过增加 "下划线+参数索引" 的方式自动将参数名称替换了。


转载博客：https://blog.csdn.net/songfreeman/article/details/50502194

文章标签：
Python
索引
数据库
关键词：
Python模块
Python collections模块
Python collections
飞天小橘子
目录
相关文章
vohelon
|
10天前
|
Python
在Python中，可以使用内置的`re`模块来处理正则表达式
在Python中，可以使用内置的`re`模块来处理正则表达式
vohelon
26 5
kaixin321-44007
|
20天前
|
Java 程序员 开发者
Python的gc模块
Python的gc模块
kaixin321-44007
17 2
Ly001122
|
23天前
|
数据采集 Web App开发 JavaScript
python-selenium模块详解！！！
Selenium 是一个强大的自动化测试工具，支持 Python 调用浏览器进行网页抓取。本文介绍了 Selenium 的安装、基本使用、元素定位、高级操作等内容。主要内容包括：发送请求、加载网页、元素定位、处理 Cookie、无头浏览器设置、页面等待、窗口和 iframe 切换等。通过示例代码帮助读者快速掌握 Selenium 的核心功能。
Ly001122
69 5
张志凌
|
27天前
|
Python
SciPy 教程 之 SciPy 模块列表 6
SciPy教程之常量模块介绍：涵盖公制、二进制（字节）、质量、角度、时间、长度、压强、体积、速度、温度、能量、功率及力学单位。示例展示了角度单位转换为弧度的几个常用常量。
张志凌
19 7
张志凌
|
27天前
|
Python
SciPy 教程 之 SciPy 模块列表 7
`scipy.constants` 模块提供了常用的时间单位转换为秒数的功能。例如，`constants.hour` 返回 3600.0 秒，表示一小时的秒数。其他常用时间单位包括分钟、天、周、年和儒略年。
张志凌
18 6
张志凌
|
24天前
|
Python
SciPy 教程 之 SciPy 模块列表 13
SciPy教程之SciPy模块列表13：单位类型。常量模块包含多种单位，如公制、二进制（字节）、质量、角度、时间、长度、压强、体积、速度、温度、能量、功率和力学单位。示例代码展示了如何使用`constants`模块获取零摄氏度对应的开尔文值（273.15）和华氏度与摄氏度的转换系数（0.5556）。
张志凌
18 1
Ly001122
|
25天前
|
XML 前端开发 数据格式
超级详细的python中bs4模块详解
Beautiful Soup 是一个用于从网页中抓取数据的 Python 库，提供了简单易用的函数来处理导航、搜索和修改分析树。支持多种解析器，如 Python 标准库中的 HTML 解析器和更强大的 lxml 解析器。通过简单的代码即可实现复杂的数据抓取任务。本文介绍了 Beautiful Soup 的安装、基本使用、对象类型、文档树遍历和搜索方法，以及 CSS 选择器的使用。
Ly001122
55 1
张志凌
|
26天前
|
Python
SciPy 教程 之 SciPy 模块列表 9
SciPy教程之常量模块介绍，涵盖多种单位类型，如公制、质量、角度、时间、长度、压强等。示例展示了如何使用`scipy.constants`模块查询不同压强单位对应的帕斯卡值，包括atm、bar、torr、mmHg和psi。
张志凌
15 1
张志凌
|
26天前
|
Python
SciPy 教程 之 SciPy 模块列表 8
SciPy教程之常量模块单位类型介绍。该模块包含多种单位，如公制、质量、角度、时间、长度、压强、体积、速度、温度、能量、功率和力学单位。示例展示了部分长度单位的转换值，例如英寸、英尺、海里等。
张志凌
16 1
张志凌
|
28天前
|
知识图谱 Python
SciPy 教程 之 SciPy 模块列表 5
本教程介绍SciPy常量模块中的单位类型，涵盖公制、质量、时间、长度等单位。示例代码展示了如何使用`scipy.constants`模块获取不同质量单位的千克值，如公吨、磅、盎司、原子质量单位等。
张志凌
15 1

热门文章

最新文章

  • 1
    手把手教你用Python实践深度学习
  • 2
    3、Python与设计模式--建造者模式
  • 3
    Python 阿里云盾滑块验证
  • 4
    python类的使用
  • 5
    python 合并当天tomcat异常日志
  • 6
    python第三节课堂练习：统计一句单词
  • 7
    [PYTHON] 核心编程笔记之二-Python起步
  • 8
    python 带参数的多重继承
  • 9
    CentOS下-Python-人脸识别-DLib的环境安装(一)
  • 10
    Python基础教程笔记——条件，循环和其他语句
  • 1
    使用Python实现深度学习模型：文本生成与自然语言处理
    121
  • 2
    python类型错误（TypeError）
    63
  • 3
    python属性错误（AttributeError）
    209
  • 4
    python变量未定义（NameError）
    106
  • 5
    Python进行自动化
    66
  • 6
    深度剖析：AJAX、Fetch API如何成为Python后端开发者的最佳拍档！
    92
  • 7
    从零到精通，AJAX与Fetch API让你的Python Web前后端交互无所不能！
    43
  • 8
    颠覆传统！AJAX、Fetch API与Python后端，开启Web开发新篇章！
    40
  • 9
    告别‘老司机’时代，AJAX与Fetch API让你的前端与Python后端无缝对接！
    63
  • 10
    Python数据分析加速器：深度挖掘Pandas与NumPy的高级功能
    48

    • 相关课程

    更多
  • Python Web开发基础
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Python选择及循环结构
  • 云端Python及基本操作
  • Python网络通信程序典型应用
  • Python新手入门（Anolis OS）
  • Python新手入门

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • golang
    • 下一篇
    无影云桌面