这个模块实现了特定目标的容器，以提供Python标准内建容器 dict、list、set、tuple 的替代选择。
- Counter：字典的子类，提供了可哈希对象的计数功能
- defaultdict：字典的子类，提供了一个工厂函数，为字典查询提供了默认值
- OrderedDict：字典的子类，保留了他们被添加的顺序
- namedtuple：创建命名元组子类的工厂函数
- deque：类似列表容器，实现了在两端快速添加(append)和弹出(pop)
- ChainMap：类似字典的容器类，将多个映射集合到一个视图里面
1. Counter
Counter是一个dict子类，主要是用来对你访问的对象的频率进行计数。
常用方法：
- elements()：返回一个迭代器，每个元素重复计算的个数，如果一个元素的计数小于1,就会被忽略。
- most_common([n])：返回一个列表，提供n个访问频率最高的元素和计数
- subtract([iterable-or-mapping])：从迭代对象中减去元素，输入输出可以是0或者负数
- update([iterable-or-mapping])：从迭代对象计数元素或者从另一个 映射对象 (或计数器) 添加。
import collections
# 统计字符出现的次数
print(collections.Counter('hello world')) # Counter({'l': 3, 'o': 2, 'h': 1, 'e': 1, ' ': 1, 'w': 1, 'r': 1, 'd': 1})
# 统计单词个数
print(collections.Counter('hello world hello lucy'.split())) # Counter({'hello': 2, 'world': 1, 'lucy': 1})
# 获取指定对象的访问次数，也可以使用get方法
c = collections.Counter('hello world hello lucy'.split())
print(c.get('hello')) # 2
# 查看元素
print(list(c.elements())) # ['hello', 'hello', 'world', 'lucy']
# 清除
c.clear()
c1 = collections.Counter('hello world'.split())
c2 = collections.Counter('hello lucy'.split())
print(c1+c2) # 追加对象，+或者c1.update(c2) 输出：Counter({'hello': 2, 'world': 1, 'lucy': 1})
print(c1-c2) # 减少对象，-或者c1.subtract(c2) 输出：Counter({'world': 1})
2. defaultdict
collections.defaultdict(default_factory) 为字典的没有的key提供一个默认的值。参数应该是一个函数，当没有参数调用时返回默认值。如果没有传递任何内容，则默认为None。
import collections
d = collections.defaultdict()
d['hello'] = 'zhan'
print(d) # defaultdict(None, {'hello': 'zhan'})
e = collections.defaultdict(str)
e['hello11'] = 'zhan11'
print(e) # defaultdict(<class 'str'>, {'hello11': 'zhan11'})
fruit = collections.defaultdict(int)
print(fruit) # defaultdict(<class 'int'>, {})
s = [('NC', 'Raleigh'), ('VA', 'Richmond'), ('WA', 'Seattle'), ('NC', 'Asheville')]
d = collections.defaultdict(list)
for k, v in s:
d[k].append(v)
print(d) # defaultdict(<class 'list'>, {'NC': ['Raleigh', 'Asheville'], 'VA': ['Richmond'], 'WA': ['Seattle']})
3. OrderedDict
Python字典中的键的顺序是任意的:它们不受添加的顺序的控制。collections.OrderedDict 类提供了保留他们添加顺序的字典对象。
import collections
o = collections.OrderedDict()
o['key1'] = 'value1'
o['key2'] = 'value2'
o['key3'] = 'value3'
# 如果在已经存在的key上添加新的值，将会保留原来的key的位置，然后覆盖value值。
o['key1'] = 'value5'
print(o) # OrderedDict([('key1', 'value5'), ('key2', 'value2'), ('key3', 'value3')])
4. namedtuple
三种定义命名元组的方法：第一个参数是命名元组的构造器（如下的：Person，Human）
import collections
P1 = collections.namedtuple('Person1', ['name', 'age', 'height'])
P2 = collections.namedtuple('Person2', 'name,age,height')
P3 = collections.namedtuple('Person3', 'name age height')
lucy = P1('lucy', 23, 180)
jack = P2('jack', 20, 190)
rose = P3('rose', 29, 340)
print(lucy)
print(jack)
print(rose)
5. deque
collections.deque返回一个新的双向队列对象，从左到右初始化(用方法 append()) ，从 iterable （迭代对象) 数据创建。如果 iterable 没有指定，新队列为空。
collections.deque队列支持线程安全，对于从两端添加(append)或者弹出(pop)，复杂度O(1)。
虽然list对象也支持类似操作，但是这里优化了定长操作（pop(0)、insert(0,v)）的开销。
如果 maxlen 没有指定或者是 None ，deques 可以增长到任意长度。否则，deque就限定到指定最大长度。一旦限定长度的deque满了，当新项加入时，同样数量的项就从另一端弹出。
支持的方法：
- append(x)：添加x到右端
- appendleft(x)：添加x到左端
- clear()：清楚所有元素，长度变为0
- copy()：创建一份浅拷贝
- count(x)：计算队列中个数等于x的元素
- extend(iterable)：在队列右侧添加iterable中的元素
- extendleft(iterable)：在队列左侧添加iterable中的元素，注：在左侧添加时，iterable参数的顺序将会反过来添加
- index(x[,start[,stop]])：返回第 x 个元素（从 start 开始计算，在 stop 之前）。返回第一个匹配，如果没找到的话，升起 ValueError 。
- insert(i,x)：在位置 i 插入 x 。注：如果插入会导致一个限长deque超出长度 maxlen 的话，就升起一个 IndexError 。
- pop()：移除最右侧的元素
- popleft()：移除最左侧的元素
- remove(value)：移去找到的第一个 value。没有抛出ValueError
- reverse()：将deque逆序排列。返回 None 。
- maxlen：队列的最大长度，没有限定则为None。
import collections
dd = collections.deque(maxlen=10)
print(dd)
dd.extend('python')
print([i.upper() for i in dd])
dd.append('e')
print(dd)
dd.appendleft('f')
print(dd)
6. ChainMap
一个 ChainMap 将多个字典或者其他映射组合在一起，创建一个单独的可更新的视图。 如果没有 maps 被指定，就提供一个默认的空字典 。ChainMap是管理嵌套上下文和覆盖的有用工具。
import collections
d1 = {
'apple': 1, 'banana': 2}
d2 = {
'orange': 2, 'apple': 3, 'pike': 1}
combined_d = collections.ChainMap(d1, d2)
print(combined_d) # ChainMap({'apple': 1, 'banana': 2}, {'orange': 2, 'apple': 3, 'pike': 1})
for k, v in combined_d.items():
print(k, v)
reverse_combind_d = collections.ChainMap(d2, d1)
print(reverse_combind_d) # ChainMap({'orange': 2, 'apple': 3, 'pike': 1}, {'apple': 1, 'banana': 2})
for k, v in reverse_combind_d.items():
print(k, v)
