• 容器(Collections)
  • defaultdict
    • 运行输出
  • counter
  • deque
  • namedtuple
  • enum.Enum (Python 3.4+)
    • 现在,我们进行一些测试:

    容器(Collections)

    Python附带一个模块,它包含许多容器数据类型,名字叫作collections。我们将讨论它的作用和用法。

    我们将讨论的是:

    • defaultdict
    • counter
    • deque
    • namedtuple
    • enum.Enum (包含在Python 3.4以上)

    defaultdict

    我个人使用defaultdict较多,与dict类型不同,你不需要检查key是否存在,所以我们能这样做:

    1. from collections import defaultdict
    2. colours = (
    3. ('Yasoob', 'Yellow'),
    4. ('Ali', 'Blue'),
    5. ('Arham', 'Green'),
    6. ('Ali', 'Black'),
    7. ('Yasoob', 'Red'),
    8. ('Ahmed', 'Silver'),
    9. )
    10. favourite_colours = defaultdict(list)
    11. for name, colour in colours:
    12. favourite_colours[name].append(colour)
    13. print(favourite_colours)

    运行输出

    1. # defaultdict(<type 'list'>,
    2. # {'Arham': ['Green'],
    3. # 'Yasoob': ['Yellow', 'Red'],
    4. # 'Ahmed': ['Silver'],
    5. # 'Ali': ['Blue', 'Black']
    6. # })

    另一种重要的是例子就是:当你在一个字典中对一个键进行嵌套赋值时,如果这个键不存在,会触发keyError异常。 defaultdict允许我们用一个聪明的方式绕过这个问题。
    首先我分享一个使用dict触发KeyError的例子,然后提供一个使用defaultdict的解决方案。

    问题

    1. some_dict = {}
    2. some_dict['colours']['favourite'] = "yellow"
    3. ## 异常输出:KeyError: 'colours'

    解决方案

    1. import collections
    2. tree = lambda: collections.defaultdict(tree)
    3. some_dict = tree()
    4. some_dict['colours']['favourite'] = "yellow"
    5. ## 运行正常

    你可以用json.dumps打印出some_dict,例如:

    1. import json
    2. print(json.dumps(some_dict))
    3. ## 输出: {"colours": {"favourite": "yellow"}}

    counter

    Counter是一个计数器,它可以帮助我们针对某项数据进行计数。比如它可以用来计算每个人喜欢多少种颜色:

    1. from collections import Counter
    2. colours = (
    3. ('Yasoob', 'Yellow'),
    4. ('Ali', 'Blue'),
    5. ('Arham', 'Green'),
    6. ('Ali', 'Black'),
    7. ('Yasoob', 'Red'),
    8. ('Ahmed', 'Silver'),
    9. )
    10. favs = Counter(name for name, colour in colours)
    11. print(favs)
    12. ## 输出:
    13. ## Counter({
    14. ## 'Yasoob': 2,
    15. ## 'Ali': 2,
    16. ## 'Arham': 1,
    17. ## 'Ahmed': 1
    18. ## })

    我们也可以在利用它统计一个文件,例如:

    1. with open('filename', 'rb') as f:
    2. line_count = Counter(f)
    3. print(line_count)

    deque

    deque提供了一个双端队列,你可以从头/尾两端添加或删除元素。要想使用它,首先我们要从collections中导入deque模块:

    1. from collections import deque

    现在,你可以创建一个deque对象。

    1. d = deque()

    它的用法就像python的list,并且提供了类似的方法,例如:

    1. d = deque()
    2. d.append('1')
    3. d.append('2')
    4. d.append('3')
    5. print(len(d))
    6. ## 输出: 3
    7. print(d[0])
    8. ## 输出: '1'
    9. print(d[-1])
    10. ## 输出: '3'

    你可以从两端取出(pop)数据:

    1. d = deque(range(5))
    2. print(len(d))
    3. ## 输出: 5
    4. d.popleft()
    5. ## 输出: 0
    6. d.pop()
    7. ## 输出: 4
    8. print(d)
    9. ## 输出: deque([1, 2, 3])

    我们也可以限制这个列表的大小,当超出你设定的限制时,数据会从对队列另一端被挤出去(pop)。
    最好的解释是给出一个例子:

    1. d = deque(maxlen=30)

    现在当你插入30条数据时,最左边一端的数据将从队列中删除。

    你还可以从任一端扩展这个队列中的数据:

    1. d = deque([1,2,3,4,5])
    2. d.extendleft([0])
    3. d.extend([6,7,8])
    4. print(d)
    5. ## 输出: deque([0, 1, 2, 3, 4, 5, 6, 7, 8])

    namedtuple

    您可能已经熟悉元组。
    一个元组是一个不可变的列表,你可以存储一个数据的序列,它和命名元组(namedtuples)非常像,但有几个关键的不同。
    主要相似点是都不像列表,你不能修改元组中的数据。为了获取元组中的数据,你需要使用整数作为索引:

    1. man = ('Ali', 30)
    2. print(man[0])
    3. ## 输出: Ali

    嗯,那namedtuples是什么呢?它把元组变成一个针对简单任务的容器。你不必使用整数索引来访问一个namedtuples的数据。你可以像字典(dict)一样访问namedtuples,但namedtuples是不可变的。

    1. from collections import namedtuple
    2. Animal = namedtuple('Animal', 'name age type')
    3. perry = Animal(name="perry", age=31, type="cat")
    4. print(perry)
    5. ## 输出: Animal(name='perry', age=31, type='cat')
    6. print(perry.name)
    7. ## 输出: 'perry'

    现在你可以看到,我们可以用名字来访问namedtuple中的数据。我们再继续分析它。一个命名元组(namedtuple)有两个必需的参数。它们是元组名称和字段名称。

    在上面的例子中,我们的元组名称是Animal,字段名称是’name’,’age’和’type’。
    namedtuple让你的元组变得自文档了。你只要看一眼就很容易理解代码是做什么的。
    你也不必使用整数索引来访问一个命名元组,这让你的代码更易于维护。
    而且,namedtuple的每个实例没有对象字典,所以它们很轻量,与普通的元组比,并不需要更多的内存。这使得它们比字典更快。

    然而,要记住它是一个元组,属性值在namedtuple中是不可变的,所以下面的代码不能工作:

    1. from collections import namedtuple
    2. Animal = namedtuple('Animal', 'name age type')
    3. perry = Animal(name="perry", age=31, type="cat")
    4. perry.age = 42
    5. ## 输出:
    6. ## Traceback (most recent call last):
    7. ## File "", line 1, in
    8. ## AttributeError: can't set attribute

    你应该使用命名元组来让代码自文档它们向后兼容于普通的元组,这意味着你可以既使用整数索引,也可以使用名称来访问namedtuple

    1. from collections import namedtuple
    2. Animal = namedtuple('Animal', 'name age type')
    3. perry = Animal(name="perry", age=31, type="cat")
    4. print(perry[0])
    5. ## 输出: perry

    最后,你可以将一个命名元组转换为字典,方法如下:

    1. from collections import namedtuple
    2. Animal = namedtuple('Animal', 'name age type')
    3. perry = Animal(name="Perry", age=31, type="cat")
    4. print(perry._asdict())
    5. ## 输出: OrderedDict([('name', 'Perry'), ('age', 31), ...

    enum.Enum (Python 3.4+)

    另一个有用的容器是枚举对象,它属于enum模块,存在于Python 3.4以上版本中(同时作为一个独立的PyPI包enum34供老版本使用)。Enums(枚举类型)基本上是一种组织各种东西的方式。

    让我们回顾一下上一个’Animal’命名元组的例子。
    它有一个type字段,问题是,type是一个字符串。
    那么问题来了,万一程序员输入了Cat,因为他按到了Shift键,或者输入了’CAT’,甚至’kitten’?

    枚举可以帮助我们避免这个问题,通过不使用字符串。考虑以下这个例子:

    1. from collections import namedtuple
    2. from enum import Enum
    3. class Species(Enum):
    4. cat = 1
    5. dog = 2
    6. horse = 3
    7. aardvark = 4
    8. butterfly = 5
    9. owl = 6
    10. platypus = 7
    11. dragon = 8
    12. unicorn = 9
    13. # 依次类推
    14. # 但我们并不想关心同一物种的年龄,所以我们可以使用一个别名
    15. kitten = 1 # (译者注:幼小的猫咪)
    16. puppy = 2 # (译者注:幼小的狗狗)
    17. Animal = namedtuple('Animal', 'name age type')
    18. perry = Animal(name="Perry", age=31, type=Species.cat)
    19. drogon = Animal(name="Drogon", age=4, type=Species.dragon)
    20. tom = Animal(name="Tom", age=75, type=Species.cat)
    21. charlie = Animal(name="Charlie", age=2, type=Species.kitten)

    现在,我们进行一些测试:

    1. >>> charlie.type == tom.type
    2. True
    3. >>> charlie.type
    4. <Species.cat: 1>

    这样就没那么容易错误,我们必须更明确,而且我们应该只使用定义后的枚举类型。

    有三种方法访问枚举数据,例如以下方法都可以获取到’cat’的值:

    1. Species(1)
    2. Species['cat']
    3. Species.cat

    这只是一个快速浏览collections模块的介绍,建议你阅读本文最后的官方文档。