高手如何在Python中使用collections模块-技术圈

介绍

Python 3有许多内置的数据结构，包括元组、字典和列表。数据结构为我们提供了一种组织和存储数据的方法。collections模块能够帮助我们高效地填充和操作数据结构。

在本教程中，我们将通过collections模块中的三个类来帮助你处理元组、字典和列表。我们将使用namedtuples来创建带有命名字段的元组，使用defaultdict来在字典中精确地分组信息，以及使用deque来高效地向一个类列表对象的每一边添加元素。

在本教程中，我们将主要处理一个鱼类清单，当在虚构的水族箱中添加或删除鱼类时，我们需要修改这些清单。

必备条件

要充分理解本教程，建议你熟悉元组、字典和列表数据类型(包括它们的语法)，以及如何从它们中检索数据。你可以查看这些教程，以获得必要的背景信息:

理解Python 3中的元组
理解python3中的字典
Python 3中的理解列表

向元组添加命名字段

Python元组是一个不可变的，或不可改变的，有序的元素序列。元组经常用来表示纵列数据;例如，一个CSV文件中的行数或一个SQL数据库中的行数。一个水族箱可以用一系列元组来记录它的鱼类的库存。

一个单独的鱼类元组:

这个元组由三个字符串元素组成。

虽然在某些方面很有用，但是这个元组并没有清楚地指明它的每个字段代表什么。实际上，元素0是一个名称，元素1是一个物种，元素2是一个饲养箱。

鱼类元组字段说明:

这个表清楚地表明，该元组的三个元素都有明确的含义。

来自collections模块的namedtuple允许你向一个元组的每个元素添加显式名称，以便在你的Python程序中明确这些元素的含义。

让我们使用namedtuple来生成一个类，从而明确地命名鱼类元组的每个元素:

from collections import namedtuple 可以让你的Python程序访问namedtuple工厂函数。namedtuple()函数调用会返回一个绑定到名称Fish的类。namedtuple()函数有两个参数:我们的新类“Fish”的期望名称和命名元素["name"、"species”、“tank"]的一个列表。

我们可以使用Fish类来表示前面的鱼类元组:

如果我们运行这段代码，我们将看到以下输出:

sammy是使用Fish类进行实例化的。sammy是一个具有三个明确命名元素的元组。

sammy的字段可以通过它们的名称或者一个传统的元组索引来访问:

如果我们运行这两个print调用，我们将看到以下输出:

访问.species会返回与使用[1]访问sammy的第二个元素相同的值。

使用collections模块中的namedtuple可以在维护元组(即它们是不可变的、有序的)的重要属性的同时使你的程序更具可读性。

此外，namedtuple工厂函数还会向Fish实例添加几个额外的方法。

使用._asdict()将一个实例转换为字典:

如果我们运行print，你会看到如下输出:

在sammy上调用.asdict()将返回一个字典，该字典会将三个字段名称分别映射到它们对应的值。

大于3.8的Python版本输出这一行的方式可能略有不同。例如，你可能会看到一个OrderedDict，而不是这里显示的普通字典。

备注: 在Python中，带有前导下划线的方法通常被认为是“私有的”。但是，namedtuple提供的其他方法(如._asdict()、._make()、._replace()等)是公开的。

在字典中收集数据

在Python字典中收集数据通常是很有用的。collections模块中的defaultdict可以帮助我们快速、简洁地将信息集合到字典中。

defaultdict绝不会引发一个KeyError。如果一个键不存在，defaultdict会插入并返回一个占位符值来代替:

如果我们运行这段代码，我们将看到如下输出:

defaultdict会插入并返回一个占位符值，而不是引发一个KeyError。在本例中，我们将占位符值指定为一个列表。

相比之下，常规字典会在缺失的键上引发一个KeyError:

如果我们运行这段代码，我们将看到如下输出:

当我们试图访问一个不存在的键时，常规字典my_regular_dict会引发一个KeyError。

defaultdict的行为与常规字典不同。defaultdict会不带任何参数调用占位符值来创建一个新对象，而不是在缺失的键上引发一个KeyError。在本例中，是调用list()创建一个空列表。

继续我们虚构的水族箱示例，假设我们有一个表示水族箱清单的鱼类元组列表:

水族箱中有三种鱼——它们的名字、种类和饲养箱在这三个元组中都有指出。

我们的目标是按饲养箱组织我们的清单—我们想知道每个饲养箱中存在的鱼的列表。换句话说，我们需要一个能将“tank-a”映射到["Jamie", "Mary"] ，并且将“tank-b”映射到["Jamie"]的字典。

我们可以使用defaultdict来按饲养箱对鱼进行分组:

运行这段代码，我们将看到以下输出:

fish_names_by_tank被声明为一个defaultdict，它默认会插入list()而不是引发一个KeyError。由于这保证了fish_names_by_tank中的每个键都将指向一个list，所以我们可以自由地调用.append()来将名称添加到每个饲养箱的列表中。

这里，defaultdict帮助你减少了出现未预期的KeyErrors的机会。减少未预期的KeyErrors意味着你可以用更少的行更清晰地编写你的程序。更具体地说，defaultdict习惯用法让你避免了手动地为每个饲养箱实例化一个空列表。

如果没有 defaultdict, for循环体可能看起来更像这样:

使用常规字典(而不是defaultdict)意味着for循环体总是必须检查fish_names_by_tank中给定的tank是否存在。只有在验证了fish_names_by_tank中已经存在tank，或者已经使用一个[]初始化了tank之后，我们才可以添加鱼类名称。

在填充字典时，defaultdict可以帮助我们减少样板代码，因为它从不引发KeyError。

使用deque有效地将元素添加到集合的任意一侧

Python列表是一个可变的，或可改变的，有序的元素序列。Python可以以常数时间向列表添加内容(列表的长度对添加元素所需的时间没有影响)，但是在列表的开头插入可能比较慢——随着列表变大，插入花费的时间也会增加。

就大O符号而言，向列表追加元素操作是一个常数时间O(1)操作。相比之下，在列表的开头插入元素要慢一些，其性能为O(n)。

备注: 软件工程师经常使用称为“大O”符号的东西来度量操作的性能。当一个输入的大小对执行一个操作所需的时间没有影响时，我们就可以说该操作以常数时间或 O(1)(“1的大O”)运行。正如你在上面所了解的，Python可以以常数时间性能（也称为O(1)）向列表中追加元素。

有时候，输入的大小会直接影响运行一个操作所需的时间。例如，在一个Python列表的开头插入元素时，列表中的元素越多，插入操作的运行速度越慢。大O符号使用字母n表示输入的大小。将项目添加到Python列表的开头以“线性时间”或 O(n)(“n的大O”)运行。

一般来说，O(1)个操作比O(n)个操作更快。

我们可以在一个Python列表的开头插入:

如果我们运行以上代码，我们将看到如下输出:

列表上的.insert(index, object)方法允许我们在favorite_fish_list的开头插入“Alice”。不过，值得注意的是，在一个列表的开头插入项具有O(n)性能。随着favorite_fish_list的长度的增长，在列表的开头插入一个鱼类的时间将成比例地增长，所需时间会越来越长。

collections模块中的deque(发音为“deck”)是一个类似列表的对象，它允许我们以常数时间(O(1))性能在一个序列的开头或末尾插入项。

在一个deque的开头插入一个项：

运行这段代码，我们将看到以下输出：

我们可以使用一个先前存在的元素集合来实例化一个deque，在本例中，该集合是三个最喜欢的鱼类名称的一个列表。调用favorite_fish_deque’s appendleft方法允许我们以O(1)性能在我们集合的开头插入一个项。O(1)性能意味着将一个项添加到 favorite_fish_deque 的开头所花费的时间并不会增加，即使favorite_fish_deque中有数以千计甚至数以百万计的元素。

备注: 尽管deque将条目添加到一个序列的开头比列表更有效，但并不是deque执行所有操作都比列表更高效。例如，访问deque中的一个随机项具有O(n)性能，但是访问列表中的一个随机项具有O(1)性能。当需要快速地从你的集合的任意一侧插入或删除元素时，请使用deque。时间性能的完整比较可以在Python的wiki上找到。