备案控制台
探索云世界
开发者社区 数据库 文章 正文

Python3—— collections模块

2018-04-04 1460
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
Python collections模块
飞天小橘子
目录
相关文章
1941623231718325
|
17天前
|
存储 开发者 Python
Python中的collections模块与UserDict：用户自定义字典详解
【4月更文挑战第2天】在Python中，`collections.UserDict`是用于创建自定义字典行为的基类，它提供了一个可扩展的接口。通过继承`UserDict`，可以轻松添加或修改字典功能，如在`__init__`和`__setitem__`等方法中插入自定义逻辑。使用`UserDict`有助于保持代码可读性和可维护性，而不是直接继承内置的`dict`。例如，可以创建一个`LoggingDict`类，在设置键值对时记录操作。这样，开发者可以根据具体需求定制字典行为，同时保持对字典内部管理的抽象。
1941623231718325
21 0
1941623231718325
|
18天前
|
存储 缓存 算法
Python中collections模块的deque双端队列：深入解析与应用
在Python的`collections`模块中，`deque`（双端队列）是一个线程安全、快速添加和删除元素的双端队列数据类型。它支持从队列的两端添加和弹出元素，提供了比列表更高的效率，特别是在处理大型数据集时。本文将详细解析`deque`的原理、使用方法以及它在各种场景中的应用。
1941623231718325
28 4
find_starshine
|
3天前
|
Python
python学习14-模块与包
python学习14-模块与包
find_starshine
18 0
1941623231718325
|
5天前
|
SQL 关系型数据库 数据库
Python中SQLite数据库操作详解：利用sqlite3模块
【4月更文挑战第13天】在Python编程中，SQLite数据库是一个轻量级的关系型数据库管理系统，它包含在一个单一的文件内，不需要一个单独的服务器进程或操作系统级别的配置。由于其简单易用和高效性，SQLite经常作为应用程序的本地数据库解决方案。Python的内置sqlite3模块提供了与SQLite数据库交互的接口，使得在Python中操作SQLite数据库变得非常容易。
1941623231718325
14 5
雪梅零落
|
10天前
|
索引 Python
「Python系列」Python operator模块、math模块
Python的`operator`模块提供了一系列内置的操作符函数，这些函数对应于Python语言中的内建操作符。使用`operator`模块可以使代码更加清晰和易读，同时也能提高性能，因为它通常比使用Python内建操作符更快。
雪梅零落
27 0
1941623231718325
|
15天前
|
数据采集 网络协议 API
python中其他网络相关的模块和库简介
【4月更文挑战第4天】Python网络编程有多个流行模块和库，如requests提供简洁的HTTP客户端API，支持多种HTTP方法和自动处理复杂功能；Scrapy是高效的网络爬虫框架，适用于数据挖掘和自动化测试；aiohttp基于asyncio的异步HTTP库，用于构建高性能Web应用；Twisted是事件驱动的网络引擎，支持多种协议和异步编程；Flask和Django分别是轻量级和全栈Web框架，方便构建不同规模的Web应用。这些工具使网络编程更简单和高效。
1941623231718325
16 6
1941623231718325
|
18天前
|
数据采集 数据挖掘 Python
Python中collections模块的Counter计数器：深入解析与应用
在Python的`collections`模块中，`Counter`是一个强大且实用的工具，它主要用于计数可哈希对象。无论是统计单词出现的频率，还是分析数据集中元素的分布情况，`Counter`都能提供快速且直观的结果。本文将深入解析`Counter`计数器的原理、用法以及它在实际应用中的价值。
1941623231718325
15 3
1941623231718325
|
19天前
|
Python
Python中的math和cmath模块：数学运算的得力助手
Python作为一种功能强大的编程语言，提供了丰富的数学运算功能。其中，math和cmath模块就是Python中用于数学运算的重要工具。math模块提供了基本的数学函数和常量，适用于实数运算；而cmath模块则提供了对复数运算的支持，使得Python在数学计算和工程应用中更加灵活和强大。
1941623231718325
17 0
TesterMuller
|
22天前
|
数据挖掘 Python
Python中的datetime模块：轻松拿捏时间操作
Python的`datetime`模块是处理日期和时间的核心工具，包括`date`、`time`、`datetime`、`timedelta`类。它可以创建、操作和格式化日期时间。
TesterMuller
19 2
Python编程
|
24天前
|
Python
Python random模块（获取随机数）常用方法和使用例子
`random`模块在Python中用于生成随机数。
Python编程
20 0

热门文章

最新文章

  • 1
    【Python 基础教程 02】 数据类型全解析：从基础到高级，实用指南及详细使用案例
  • 2
    【Python 基础教程 01 全面介绍】 Python编程基础全攻略：一文掌握Python语法精髓，从C/C++ 角度学习Python的差异
  • 3
    使用Python实现DBSCAN聚类算法
  • 4
    在Python Web开发过程中：数据库与缓存，MySQL和NoSQL数据库的主要差异是什么？
  • 5
    Redis与Python的完美结合：实现高效数据交互和应用场景全解析
  • 6
    【Python 基础教程 23】Python3 错误与异常处理全面指南：从入门到精通的实用教程
  • 7
    Python读取.nc文件的方法与技术详解
  • 8
    Pandas基本操作：Series和DataFrame（Python）
  • 9
    【Python 基础教程 运算符06】Python3运算符超详细解析：全面入门教程，初学者必读
  • 10
    【Python 基础教程 05】超详细解析Python3注释：全面入门教程，初学者必读,了解Python如何 进行注释
  • 1
    Python中的装饰器：概念、用法和实例
    18
  • 2
    Python中的装饰器：概念、用法及实例
    17
  • 3
    使用Python实现图像处理中的边缘检测算法
    39
  • 4
    Python中如何实现字符串反转？请提供至少两种方法。
    17
  • 5
    请简述Python中的继承、封装和多态的概念。
    22
  • 6
    在Python中，如何创建一个迭代器？
    19
  • 7
    请解释Python中的迭代器和生成器的区别？并分别举例说明。
    18
  • 8
    在Python中，如何使用装饰器重写类的方法？
    21
  • 9
    Python中的装饰器是什么？请举例说明其用法。
    19
  • 10
    Python中的装饰器：概念、用法及实例
    17

    • 相关课程

    更多
  • Python Web开发基础
  • Python爬虫实战
  • 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
  • Python新手入门
  • Python入门
  • Python选择及循环结构
  • Python新手入门（Anolis OS）
  • Python网络通信程序典型应用
    • 下一篇
    阿里云oss简介和使用流程
    为什么选择阿里云什么是云计算全球基础设施技术领先稳定可靠安全合规分析师报告
    产品和定价全部产品免费试用产品动态产品定价价格计算器云上成本管理
    解决方案技术解决方案
    文档与社区文档开发者社区天池大赛培训与认证
    权益中心免费试用高校计划企业扶持计划推荐返现计划
    支持与服务基础服务企业增值服务迁云服务官网公告健康看板信任中心
    关注阿里云
    关注阿里云公众号或下载阿里云APP，关注云资讯，随时随地运维管控云服务
    阿里云APP阿里云微信
    联系我们：4008013260
    法律声明Cookies政策廉正举报安全举报联系我们加入我们
    阿里巴巴集团淘宝网天猫全球速卖通阿里巴巴国际交易市场1688阿里妈妈飞猪阿里云计算AliOS万网高德UC友盟优酷钉钉支付宝达摩院淘宝海外阿里云盘饿了么
    © 2009-2024 Aliyun.com 版权所有 增值电信业务经营许可证： 浙B2-20080101 域名注册服务机构许可： 浙D3-20210002 京D3-20220015
    浙公网安备 33010602009975号浙B2-20080101-4