Python Collections模块解析

Python collections模块深度解析 Python标准库中,、、等基础容器类型已能满足大多数场景。但当你的项目涉及日志分析、配置管理或数据管道处理时,你会发现它们的局限性——比如无法自动处理缺失键、不支持快速两端插入删除,或者需要手动维护顺序。这时,模块就是你的利器!它提供了多种高级容器类型,专为复杂数据结构设计,且全部内置,无需额外安装(如阿里云函数计算或腾讯云Serverless环境也原生支持)。 2. 实战用例 日志系统:用统计错误频率 配置管理:用合并多层配置 这些工具让你的代码更简洁、性能更优,是进阶Python开发的必备技能 阅读详情

collections模块提供了一些python内置数据类型的扩展,比如OrderedDict,defaultdict,namedtuple,deque,counter等,简单实用,非常值得学习了解,简要介绍,原文见Python Collections模块解析。

import collections

1. OrderedDict

顾名思义,有顺序的词典,次序不再是随机的。普通的dict不记录插入的顺序,遍历其值的时候是随机的,相反,OrderedDict记录插入的顺序,在迭代的时候可以看出差异。

遍历
print 'Regular dictionary:'
d = {}
d['a'] = 'A'
d['b'] = 'B'
d['c'] = 'C'

for key, value in d.items():
    print key, value
Regular dictionary:
a A
c C
b B
print 'OrderedDict:'
d = collections.OrderedDict()
d['a'] = 'A'
d['b'] = 'B'
d['c'] = 'C'

for key, value in d.items():
    print key, value
OrderedDict:
a A
b B
c C
相等比较

比较两个词典是否相等,普通词典比较只看内容,内容相同即判定相等为真;而OrderedDict同时会考虑顺序,item被添加的顺序。

print 'dict       :',
d1 = {}
d1['a'] = 'A'
d1['b'] = 'B'
d1['c'] = 'C'

d2 = {}
d2['b'] = 'B'
d2['a'] = 'A'
d2['c'] = 'C'

print d1 == d2
dict       : True
print 'OrderedDict:',
d1 = collections.OrderedDict()
d1['a'] = 'A'
d1['b'] = 'B'
d1['c'] = 'C'

d2 = collections.OrderedDict()
d2['b'] = 'B'
d2['a'] = 'A'
d2['c'] = 'C'

print d1 == d2

OrderedDict: False

2. defaultdict

普通词典,当你访问没有的键值时,会抛出异常,用defaultdict,可以预先给定默认值,尤其默认值是需要做累积或聚合操作的时候(比如计数)。defaultdict接受一个参数default_factory,该函数负责返回特定的值,可以自定义,也可以用list(返回[ ]) set(返回set()) 或int(返回0),直接上例子说的比较清楚。

defaultdict其实是继承dict类后。添加了__missing__(key)方法,用于处理KeyError异常。

def default_factory():
    return 'This is default string value'
d = collections.defaultdict(default_factory)
print d['foo']
This is default string value

这里没有定义d['foo'],但是可以访问,并返回值。下面看点更厉害的!

list

把default_factory设定为list可以方便地把一系列键值对group起来。默认会返回空的list,下面例子把相同的键group在一起。

s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
d = collections.defaultdict(list)
for k, v in s:
    d[k].append(v)
    # simpler and faster than d.setdefault(k, []).append(v)
d.items()
[('blue', [2, 4]), ('red', [1]), ('yellow', [1, 3])]
int

计数的时候特别方便,比如要统计每个键值出现多少次。

s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
d = collections.defaultdict(int)
for k, v in s:
    d[k] += 1
d.items()
[('blue', 2), ('red', 1), ('yellow', 2)]
s = 'mississippi'
d = collections.defaultdict(int)
for k in s:
    d[k] += 1
d.items()
[('i', 4), ('p', 2), ('s', 4), ('m', 1)]
set

和list功能类似,但返回set(),剔除了重复元素。

s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]
d = collections.defaultdict(set)
for k, v in s:
    d[k].add(v)
d.items()
[('blue', {2, 4}), ('red', {1, 3})]

3. namedtuple

默认的tuple是用数字做索引的,而namedtuple是可以按名字访问,对fields很多,或者创建和使用场景离得比较远的情况,比较有用。

bob = ('Bob', 30, 'male')
print 'Representation:', bob

jane = ('Jane', 29, 'female')
print '\nField by index:', jane[0]

print '\nFields by index:'
for p in [ bob, jane ]:
    print '%s is a %d year old %s' % p
Representation: ('Bob', 30, 'male')

Field by index: Jane

Fields by index:
Bob is a 30 year old male
Jane is a 29 year old female

由于不同的nametuple不一样,我们要单独定义,同时按name访问(依然可以按数字访问)。

# define namedtuple
Person = collections.namedtuple('Person','name age gender')

print 'Type of Person:', type(Person)
bob = Person(name='Bob', age=30, gender='male')
print '\nRepresentation:', bob

bob = Person('Bob',30,'male') # also supported
print 'Representation:', bob

jane = Person(name='Jane', age=29, gender='female')
print '\nField by name:', jane.name
print 'Field by name:', jane[0]
Type of Person: <type 'type'>

Representation: Person(name='Bob', age=30, gender='male')
Representation: Person(name='Bob', age=30, gender='male')

Field by name: Jane
Field by name: Jane

4. deque

即double-ended queue,双向队列,支持任何一侧的add和remove操作。普通的stack和queue是deque的退化形式。

当然,deque依然是sequence,所以一些列表类似的操作也是支持的。

d = collections.deque('abcdefg')
print 'Deque:', d
print 'Length:', len(d)
print 'Left end:', d[0]
print 'Right end:', d[-1]

d.remove('c')
print 'remove(c)', d
Deque: deque(['a', 'b', 'c', 'd', 'e', 'f', 'g'])
Length: 7
Left end: a
Right end: g
remove(c) deque(['a', 'b', 'd', 'e', 'f', 'g'])
populating

往队列push元素

import collections

# Add to the right
d = collections.deque()
d.extend('abcdefg') # append with elements from the iterable
print 'extend    :', d
d.append('h')
print 'append    :', d

# Add to the left
d = collections.deque()
d.extendleft('abcdefg')
print 'extendleft:', d
d.appendleft('h')
print 'appendleft:', d
extend    : deque(['a', 'b', 'c', 'd', 'e', 'f', 'g'])
append    : deque(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
extendleft: deque(['g', 'f', 'e', 'd', 'c', 'b', 'a'])
appendleft: deque(['h', 'g', 'f', 'e', 'd', 'c', 'b', 'a'])
consuming

从双向队列pop元素。

print 'From the right:'
d = collections.deque('abcdefg')
while True:
    try:
        print d.pop(),
    except IndexError:
        break
From the right:
g f e d c b a
print '\nFrom the left:'
d = collections.deque('abcdefg')
while True:
    try:
        print d.popleft(),
    except IndexError:
        break
From the left:
a b c d e f g

5. Counter

计数器,顾名思义。构造器接受以下形式,实现初始化。

print collections.Counter(['a', 'b', 'c', 'a', 'b', 'b'])
print collections.Counter({'a':2, 'b':3, 'c':1})
print collections.Counter(a=2, b=3, c=1)
Counter({'b': 3, 'a': 2, 'c': 1})
Counter({'b': 3, 'a': 2, 'c': 1})
Counter({'b': 3, 'a': 2, 'c': 1})
update
c = collections.Counter()
print 'Initial :', c

c.update('abcdaab')
print 'Sequence:', c

c.update({'a':1,'d':5}) # increse not replace
print 'Dict    :', c # add to a and d
Initial : Counter()
Sequence: Counter({'a': 3, 'b': 2, 'c': 1, 'd': 1})
Dict    : Counter({'d': 6, 'a': 4, 'b': 2, 'c': 1})
访问

访问时候利用和字典一样的API。但对于没有的键,不会抛出异常,而是计数为0。

c = collections.Counter('abcdaab')
for letter in 'abcde':
    print '%s : %d' % (letter, c[letter])
a : 3
b : 2
c : 1
d : 1
e : 0
elements

产生包含所有元素的一个迭代器。

c = collections.Counter('China')
c['z'] = 0
print c
print list(c.elements())
Counter({'a': 1, 'C': 1, 'i': 1, 'h': 1, 'n': 1, 'z': 0})
['a', 'C', 'i', 'h', 'n']
most_common()

返回前n个最常见的。

c = collections.Counter('abcdaab')
c.most_common(2)
[('a', 3), ('b', 2)]
Python collections模块深度解析:高性能容器的语义契约与实战优化 Python collections模块并非内置类型(list/dict/set)的功能补丁,而是面向数据操作语义契约的高性能容器体系。其核心价值在于通过类型命名(如deque、Counter、namedtuple)显式声明时间复杂度、可变性、顺序行为等关键约束,从而在编码阶段就规避运行时性能陷阱与逻辑歧义。结合typing模块可实现强类型提示与IDE智能补全,支撑高吞吐场景下的确定性行为。本文聚焦deque的环形缓冲区实现、defaultdict的默认工厂风险、Counter的多重集运算、OrderedD 阅读详情

相关推荐

【文档学习】Python模块——collections(OrderedDict,包括Dict增加元素)

本系列【文档学习】记录了博主学习Python3.7.2中的各个模块的笔记。官方文档。 本文记录了数据类型容器(container datatypes)collections模块,源代码。更新于2019.03.14。 文章目录综述OrderedDictOrderedDict 范例和方法(recipes) 综述 这个模块实现了特殊数据容器,提供了Python标准内置容器dict,list,set和tu...

ShuqiaoS的博客 3090

Python: collections模块实例透析

Collections模块 collections模块提供了一些python内置数据类型的扩展,比如OrderedDict,defaultdict,namedtuple,deque,counter等,简单实用,非常值得学习了解。 import collections 1. OrderedDict 顾名思义,有顺序的词典,次序不再是随机的。普通的dict不记录插入的顺序,遍历其值的时候是...

weixin_30908941的博客 197

Python Collections模块实例解析:强大工具助力数据处理

模块提供了一组有用的数据结构和算法,可以大大简化Python中的数据处理任务。在本文中,我们介绍了Counter和三个常用类的用法和示例代码。这些类分别用于计数元素、处理缺失键和保持插入顺序,为数据处理提供了强大的工具。如果你在处理数据时需要更高级的功能,建议深入了解模块的其他类和方法。它们将帮助你更高效地处理数据,并提供更多的灵活性和便利性。

ByteHero的博客 92

Python库collections

官方说法:collections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 , 和tuple的替代选择。通俗说法:Python内置的数据类型和方法,collections模块在这些内置类型的基础提供了额外的高性能数据类型,比如基础的字典是不支持顺序的,collections模块的OrderedDict类构建的字典可以支持顺序,collections模块的这些扩展的类用处非常大,熟练掌握该模块,可以大大简化Python代码,提高Python代码逼格和效率,高手入门

如渊的博客 1万+

AutoCAD矢量数据导出全攻略:GIS4CAD插件一键转shp/mdb/kml(附安装包)

本文详细介绍了GIS4CAD插件如何高效解决AutoCAD矢量数据向GIS格式转换的难题。通过一键操作,用户可将CAD中的规划图、地形图等无损转换为行业标准的shp、mdb、kml等多种格式,并确保属性完整与坐标准确。文章提供了从插件安装、数据准备到实战导出的全流程指南,是城市规划、测绘等领域专业人士提升数据互操作效率的必备攻略。

a2b3c4d5e的博客 287

(秋招)vins中的光流法

那么下一层基于这个初值也会得到一个解,就这样进行迭代,直到达到金字塔的最底层,也即第0层,就是原始分辨率的那张图片,此时光流法就会给出一个速度值,这个值是比较可靠的(相比对原始图片直接使用光流法来说)。2.小运动,这个也必须满足,就是时间的变化不会引起位置的剧烈变化,这样灰度才能对位置求偏导(换句话说,小运动情况下我们才能用前后帧之间单位位置变化引起的灰度变化去近似灰度对位置的偏导数),这也是光流法不可或缺的假定。可以看到光流法是来估计物体运动的(估计的是物体运动的速度,根据速度再计算相对应的特征点)。

努力coding 653

python3 collections模块_Python3 collections模块的使用

collections介绍collections是Python内建的一个集合模块,提供了许多有用的集合类和方法。可以把它理解为一个容器,里面提供Python标准内建容器 dict , list , set , 和 tuple 的替代选择。importcollectionsprint(dir(collections))#['ChainMap', 'Counter', 'Mapping', 'Muta...

weixin_39790102的博客 755

海思ISP实战:YUV Sharpen参数调试全解析

本文深入解析了在海思ISP平台上进行YUV Sharpen参数调试的实战经验。文章以海思3516EV300芯片为例,详细拆解了EdgeFiltStr、TextureFreq等核心参数的作用与协同策略,并重点阐述了如何通过ISO联动调试,在图像清晰度与噪声抑制之间取得最佳平衡,为图像调试工程师提供了宝贵的避坑指南和实战参考。

grape的博客 214

Python 基础 (标准库):collections (集合类)

Python 基础(标准库):collections(集合类)

AbigailQin 的博客 5212

利用HTML+CSS设计PPT:html-to-pptx实现自动化转换与可编辑输出

在办公自动化和前端开发领域,将网页技术应用于文档生成是一个重要的技术方向。其核心原理在于通过解析HTML/CSS的结构与样式,将其映射为目标文档的原生对象模型。这项技术的价值在于,它能够将Web技术栈强大的布局与样式能力(如Flexbox、CSS Grid)与办公软件(如Microsoft PowerPoint)的广泛兼容性和可编辑性相结合。在实际应用场景中,这种技术特别适合需要快速生成兼具设计感与实用性的演示文稿,例如数据报告、产品发布和营销材料。本文探讨的html-to-pptx项目正是这一思路的工程实

weixin_30652491的博客 489

Floyd (弗洛伊德)算法简述

Floyd在1962年由Robert Floyd以其当前公认的形式出版。算法作为三个嵌套for循环的现代公式首先由Peter Ingerman在1962年描述。Floyd 算法是解决图论问题的比较经典的算法,是解决给定的加权图中顶点间的最短路径的一种算法,可以正确处理有向图的最短路径问题。

慕羽★的博客 2万+

Python进阶之-collections详解

Python中的collections模块提供了一些额外的数据类型:Counter、deque、OrderedDict、defaultdict、namedtuple以及在Python 3.7之后加入的ChainMap。这些数据类型补充了Python标准的内置数据类型,为不同场景提供了更优的数据结构解决方案。

Summer的博客 1934

LVGL 蜂巢气泡菜单(Hex Menu)

h。

摸鱼专家 178

深入解析Python collections模块:高效数据结构全掌握

Python的collections模块提供了多种高效的专业数据结构,包括命名元组(namedtuple)、双端队列(deque)、计数器(Counter)和有序字典(OrderedDict)。这些数据结构针对特定场景优化,比内置容器更高效。namedtuple增强了元组的可读性,deque支持O(1)时间复杂度的两端操作,Counter简化了计数任务,OrderedDict明确维护键的插入顺序。文章详细解析了各数据结构的实现原理、性能特点、使用方法和实际应用场景,帮助开发者编写更优雅高效的Python代码

闲人编程的博客 2260

【控制模块算法】控制理论的进修之路

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、(经典)自动控制理论【本科阶段】二、现代控制理论【本科阶段】三、最优控制理论【硕士阶段】总结 前言 认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长! 本文先对对控制理论的理解做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章 提示:以下是本篇文章正文内容 一、(经典)自动控制理论【本科阶段】 一般控制工程、自动化相关的考研专业课就是自动

qq_35635374的博客 1450

基于STM32L4XX、HAL库的 ATGM336H GPS定位模块驱动程序设计

/ 转换为km/h。// 定位状态: 0=无效, 1=GPS定位, 2=差分定位。// GPS解析数据。支持GPS/BeiDou/GLONASS/Galileo/QZSS多系统联合定位。// 回调函数(需要在HAL_UART_RxCpltCallback中调用)// 地面速度(km/h)// 海拔高度(m)

zhusl6688的博客 795

Python collections模块解析:高效数据结构的终极指南

print(d['KEY']) # 输出:'value'从简单的计数需求到复杂的系统设计,collections模块提供了经过验证的解决方案。掌握这些高级数据结构,不仅能提升代码效率,更能培养Pythonic的编程思维。建议开发者通过实际项目验证各组件的特性,逐步构建自己的高效工具库。扩展阅读Python官方文档-collectionsPython性能优化指南。

tianyuanwo的专栏 1004

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

深入理解Python中的collections模块:高效数据容器全解析

Python标准库中的`collections`模块提供了一系列高效且实用的容器数据类型,它们是对内置容器(如字典、列表、元组等)的有力补充。本文将全面解析`collections`模块中最常用的几种数据结构,帮助开发者提升代码效率和可读性。 ## 1. defaultdict:智能处理缺失键的字典 `defaultdict`是`dict`的子类,它重写了`__missing__`方法,为不存...

gitblog_00551的博客 470

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Python高级数据结构深度解析:从collections模块到内存优化实战

本文深度解析Python高级数据结构的核心原理与实战应用,重点介绍collections模块中的namedtuple、defaultdict、ChainMap和Counter等工具。通过真实案例展示这些数据结构如何提升代码效率和可读性,涵盖内存优化、自定义实现(如LRU缓存)以及企业级应用场景(电商订单分析、实时监控系统)。文章提供性能对比数据、常见问题解决方案和未来发展趋势,为Python开发者从中级进阶到高级提供实用指南。核心价值在于帮助开发者选择最合适的数据结构,实现代码优化与性能提升。

七夜zippoe的博客 930

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Python 模块精讲:collections —— 高级数据结构深度解析(defaultdict、Counter、deque)

在 Python 开发体系中,内置数据结构如列表(list)、字典(dict)、集合(set)、元组(tuple)构成了基础的数据存储与操作骨架,满足绝大多数入门级与常规业务逻辑需求。但在实际工程开发、算法实现、数据分析、爬虫解析、高频数据处理等场景下,原生结构的短板逐渐暴露:字典键不存在时直接抛出 KeyError、列表头部插入删除效率极低、元素频率统计需要手动循环计数、多场景下数据分组逻辑冗余等问题,不仅增加代码量,还会降低程序运行效率,提升逻辑出错概率。

qq_28372005的博客 485

数据处理大杀器:Python Collections模块全攻略解析

Counter是一个简单而强大的工具,用于统计可迭代对象中元素的出现次数。是一个字典子类,它接受一个工厂函数作为默认值的工具。是一个字典子类,它记住了字典元素的添加顺序。namedtuple是一个工厂函数,用于创建具有字段名的元组子类。deque是一个双向队列,可以从两端快速添加或删除元素。ChainMap是一个字典的集合,可在它们之间创建一个单一的视图。

Python栈_基的博客 2346

python collections模块详解

python collections模块详解 https://www.cnblogs.com/dahu-daqing/p/7040490.html

AberamaGold的博客 153

Python三大核心数据结构深度解析:从基础到collections模块实战

本文介绍了Python三大核心数据结构(列表、元组、字典)及其增强型工具。列表(List)是可变有序序列,适合数据动态增删改;元组(Tuple)是不可变序列,保护数据完整性且性能更优,适合作为字典键;字典(Dict)提供高效的键值对映射。文章还提及collections模块中的增强工具(如Counter、defaultdict等),帮助开发者根据不同场景选择最优数据结构,提升代码效率和可读性。关键点包括各结构的核心特性、典型应用场景及性能差异。

try_username的博客 202

Python中collections模块介绍

一、模块的基本介绍 1、通常,一个模块就是一个包含了python定义和声明的文件,文件名就是模块名字加上.py的后缀。 import加载的模块又可以分为四个通用类别: a、使用python编写的代码(.py文件) b、已被编译为共享库或DLL的C或C++扩展 c 、包好一组模块的包 d 、使用C编写并链接到python解释器的内置模块 2、模块的作用 当我们退出python解释器后重新进入,之前定...

weixin_45459911的博客 1788

Python进阶 - collections模块 有序字典OrderedDict的使用

本文深入探讨了Python中collections.OrderedDict的特性与应用场景。作为显式维护插入顺序的有序字典,OrderedDict在Python 3.7+版本中仍具有独特价值,特别是在需要强顺序保证的场景。文章详解了其基础用法、核心方法(如move_to_end()和popitem()),并通过LRU缓存实现和配置文件解析两个实战案例,展示了其在项目开发中的实际应用。与普通字典相比,OrderedDict提供了更可靠的顺序保证和额外操作方法,是构建顺序敏感型数据结构的理想选择。通过性能分析和

千淘万漉虽辛苦,吹尽狂沙始到金 8553

Python中collections模块

目录 Python中collections模块 Counter defaultdict OrderedDict namedtuple deque ChainMap Python中collections模...

weixin_30267691的博客 346
上一篇: Python os模块实例
下一篇: Python itertools模块详解
「已注销」
博客等级 码龄10年 4粉丝 18原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值