Python中collections模块怎样使用�

Admin 2021-08-27 群英技术资�

    这篇文章主要介绍Python中collections模块的使用,对新手学习Python有一定参考价值,感兴趣的朋友可以看看,希望大家阅读完这篇文章能有所收获,接下来小编带着大家一起了解一下吧�

        一般来讲,python的collections是用于存储数据集�(比如列表list, 字典dict, 元组tuple和集合set)的容器。这些容器内置在Python中,可以直接使用。该collections模块提供了额外的,高性能的数据类型,可以增强你的代码,使事情变得更清洁,更容易�

        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�

        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�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 defaultdict
    
    names_dict = defaultdict(int)
    names_dict["Bob"] = 1
    names_dict["Katie"] = 2
    sara_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�"Bob"�"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�"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�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�10的整数进行初始化�

    from collections import deque
    
    my_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�10个元素,因此队列中包含了�1�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�5个元素,数字�11�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 namedtuple
    
    Person = 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�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的前靀对于无序字典,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)])

        以上就是关于python的collections模块的使用技巧介绍,希望本文对大家学� collections模块的知识有帮助,想要了解更多python的collections模块的内容,大家可以关注其他相关文章�

    文本转载自脚本之�

    标签� collections模块

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:[email protected]进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容�

    猜你喜欢

    成为群英会员,开启智能安全云计算之旅

    立即注册
    专业资深工程师驻�
    7X24小时快速响�
    一站式无忧技术支�
    免费备案服务
    免费拨打  400-678-4567
    免费拨打  400-678-4567 免费拨打 400-678-4567 � 0668-2555555
    在线客服
    微信公众号
    返回顶部
    返回顶部 返回顶部