collections模块如何在Python中使用

这期内容当中小编将会给大家带来有关collections模块如何在python中使用，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

Python主要用来做什么

Python主要应用于：1、web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。

Counter

Counter()是字典对象的子类。Counter()可接收一个可迭代遍历的对象（例如字符串、列表或元组）作为参数，并返回计数器字典。字典的键将是可遍历对象中的唯一元素，每个键的值将是可迭代对象中的每个唯一元素对应的计数。

首先，让我们先从collections模块导入Counter这个数据类型：

from collections import Counter

要创建Counter对象，就像将其分配给其他任何对象类一样，将其分配给变量。您唯一要确保的是传递给它的参数是可迭代的对象。

lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]counter = Counter(lst)

我们可以使用简单的打印功能比如print(counter)来查看我们获得的新的对象，它看起来像个字典，如下所示：

Conter ({1：7，2：2：5，3：3})

您可以使用键值key访问任何计数器条目，如下所示。这与从标准Python字典中提取元素的方式完全相同。

lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]counter = Counter(lst)print(counter[1]) # 返回7。1的数量有7个

most_common()函数

到目前为止，Counter对象最有用的功能是most_common()函数。将其应用于Counter对象时，它将返回N个最常见元素及其计数的列表，按从最常见到最不常见的顺序排列。

lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]counter = Counter(lst)print(counter.most_common(2)) # 返回最常见两个元素及其计数

上面的代码打印出以下元组列表：

[（1，7），（2，5）]

每个元组的第一个元素是列表中的唯一原始，每个元组的第二个元素是计数。这是一种快速简便的方法，实现比如“获取列表中最常见的3个元素及其计数”的功能。

要了解有关Counter功能的更多信息，请查阅官方文档。

defaultdict

defaultdict工作起来完全像一个普通的Python字典，但它有额外的奖励。当您试图访问一个不存在的键，它不会引发错误，而是使用不存在的键创建新的key，其对应的默认值是根据创建defaultdict对象时作为参数传递的数据类型自动设置的。请看下面的代码作为示例。

from collections import defaultdictnames_dict = defaultdict(int)names_dict["Bob"] = 1names_dict["Katie"] = 2sara_number = names_dict["Sara"]print(names_dict)

在上面的示例中，int作为默认初始化值传递给我们的defaultdict对象。接下来，为每个键"Bob"和"Katie"赋值。但是在最后一行，我们尝试访问一个尚未定义的键，即“ Sara”的键。

在普通字典中，这将引发错误。使用defaultdict后不再报错，而是自动以"Sara"创建一个新键key，其初始化值为0，是因为我们指定了int数据类型作为初始化值。

因此，最后一行打印出具有所有3个名称和相应值的字典。

defaultdict(<class 'int'>, {'Bob': 1, 'Katie': 2, 'Sara': 0})

如果要将设置列表类型数据做为一个key的初始化值，我们只需设置names_dict = defaultdict(list)，此时“Sara”将使用空列表初始化[]。此时打印结果如下所示：

defaultdict(<class 'int'>, {'Bob': 1, 'Katie': 2, 'Sara': []})

要了解有关defaultdict功能的更多信息，请查阅官方文档。

deque

deque队列是在计算机科学里最基本的数据结构，遵循先入先出（FIFO）的原理。简单来说，这意味着添加到队列中的第一个对象也必须是要删除的第一个对象。我们只能在队列的前面插入内容，而只能从队列的后面删除内容，而队列中间没有任何动作。

collections模块提供的deque对象是能实现队列数据结构的优化版本。该功能的主要特色是能够保持队列的大小，即如果将队列的最大长度设置为10，则将deque根据FIFO原理添加和删除元素以保持最大长度始终为10。这是到目前为止，Python中队列的最佳实现。

让我们从一个例子开始。我们将创建一个deque对象，然后使用从1到10的整数进行初始化。

from collections import dequemy_queue = deque(maxlen=10)for i in range(10):    my_queue.append(i+1)print(my_queue)

在上面的代码中，我们首先初始化deque，指定我们希望它始终保持最大长度为10。其次，当我们通过循环将值插入到队列中时。注意，填充队列的功能与使用常规Python列表的方式完全相同。最后，我们打印出结果。

deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], maxlen=10)

由于队列中有一个maxlen=10，并且循环中添加了10个元素，因此队列中包含了从1到10的所有数字。现在，让我们看看添加更多数字时会发生什么。

for i in range(10, 15):    my_queue.append(i+1)print(my_queue)

在上面的代码中，我们在队列中添加了另外5个元素，数字从11到15。但是我们的队列只有一个，且maxlen=10。因此必须删除一些元素，才能插入新的元素。由于队列必须遵循FIFO原则，因此它将删除最先插入队列中的前5个元素，即[1、2、3、4、5]。打印语句的结果如下：

deque([6, 7, 8, 9, 10, 11, 12, 13, 14, 15], maxlen=10)

要了解有关该功能的更多信息deque，请查阅官方文档。

namedtuple

在Python中创建常规元组时，其元素是通用的且未命名，这迫使您记住每个元组元素的确切索引。可以使用具名元组namedtuple来解决这个问题。

该namedtuple()返回与用于所述元组中的每个位置和一个通用名固定名称的元组namedtuple对象。要使用namedtuple，请先为其创建一个模板。下面的代码创建一个namedtuple名为Person的模板，其属性为name，age和job。

from collections import namedtuplePerson = namedtuple('Person', 'name age job')

创建模板后，您可以使用它来创建namedtuple对象。让我们使用Person模板为2个人创建2个namedtuple对象，并打印它们。

Person = namedtuple('Person', 'name age job')Mike = Person(name='Mike', age=30, job='Data Scientist')Kate = Person(name="Kate", age=28, job='Project Manager')print(Mike)print(Kate)

上面的代码非常简单。我们使用namedtuple 模板的所有属性来初始化“人员” ，以后可以直接使用Mike或Kate使用元组元素，而不用再使用索引了。上面的打印语句将给出以下结果：

Person(name='Mike', age=30, job='Data Scientist')Person(name='Kate', age=28, job='Project Manager')

因此，namedtuple能够更容易地使用，更合适元组对象的组织，可读性也更强。

要了解更多关于namedtuple的功能，请查阅官方文档。

OrderedDict

由于原文未介绍collections模块中的有序字典结构而OrderedDict又非常重要，这部分由大江狗手动新增。

在Python 3.5及以前之前版本，Python的字典dict是无序的。如果先键值A先插入字典，键值B后插入字典，但是当你打印字典的Keys列表时，你会发现B可能在A的前面。对于无序字典，每次打印字典时每次显示元素的顺序都不一样。如果你的Python版本较老，需要借助collections模块提供的OrderedDict实现有序字典。

OrderedDict类似于正常的字典，只是它记住了元素插入的顺序。当对有序的词字典上迭代时，返回元素的顺序是按第一次添加元素的顺序进行。当元素删除时，排好序的词典保持着排序的顺序；但是当新元素添加时，就会被添加到末尾。

OrderedDict实现方式如下：

dd = {'banana': 3, 'apple':4, 'pear': 1, 'orange': 2}#按key排序od_by_key = collections.OrderedDict(sorted(dd.items(), key=lambda t: t[0]))print(od_by_key)#按照value排序od_by_value = collections.OrderedDict(sorted(dd.items(),key=lambda t:t[1]))print(od_by_value)#输出OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])OrderedDict([('pear', 1), ('orange', 2), ('banana', 3), ('apple', 4)])

上述就是小编为大家分享的collections模块如何在Python中使用了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注编程网Python频道。