在這篇文章中，機(jī)器學(xué)習(xí)工程師 George Seif 介紹了 Python collections 模塊最受歡迎的四種數(shù)據(jù)類型以及它們各自的使用方法。這些數(shù)據(jù)類型可以對(duì)代碼進(jìn)行優(yōu)化，進(jìn)而實(shí)現(xiàn)更簡潔的任務(wù)執(zhí)行。

Python 的最大優(yōu)勢(shì)之一就是它有各種各樣的模塊和軟件包可供選擇。這些模塊和包將 Python 的功能擴(kuò)展到了許多流行領(lǐng)域，包括機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)、Web 開發(fā)和前端等。其中表現(xiàn)最好的一個(gè)就是 Python 內(nèi)置的 collections 模塊了。

一般而言，Python 中的 collections 模塊是用于存儲(chǔ)列表、字典、元組以及集等數(shù)據(jù)集合的容器。這些容器嵌入在 Python 中，可以實(shí)現(xiàn)開箱即用。collections 模塊提供了額外的高性能數(shù)據(jù)類型，它們可以優(yōu)化代碼，讓一些任務(wù)變得更加簡潔。

本文作者 George Seif（機(jī)器學(xué)習(xí)工程師）。

Counter

官方文檔：https://docs.python.org/2/library/collections.html#collections.Counter

Counter 是 dictionary 對(duì)象的子類。collections 模塊中的 Counter() 函數(shù)會(huì)接收一個(gè)諸如 list 或 tuple 的迭代器，然后返回一個(gè) Counter dictionary。這個(gè) dictionary 的鍵是該迭代器中的唯一元素，每個(gè)鍵的值是迭代器元素的計(jì)數(shù)。

首先，我們需要從 collections 包中導(dǎo)入 Counter：

fromcollectionsimportCounter

如果要?jiǎng)?chuàng)建一個(gè) Counter 對(duì)象，我們也要像對(duì)待其他對(duì)象類一樣，先將它分配給一個(gè)變量，而傳遞給 Counter 對(duì)象的惟一變量即是迭代器。

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

如果我們使用簡單的 print 函數(shù)（print(counter)）把這個(gè) Counter 打印出來，則會(huì)得到一些與 dictionary 稍微類似的輸出：

Counter({1:7,2:5,3:3})

你可以用這些鍵值訪問任何 Counter 項(xiàng)。這與從標(biāo)準(zhǔn)的 Python dictionary 中獲取元素的方法完全相同。

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

most_common() 函數(shù)

目前來說，Counter 對(duì)象中最有用的函數(shù)是 most_common()。當(dāng)它應(yīng)用于一個(gè) Counter 對(duì)象時(shí)，會(huì)返回一個(gè) list，這個(gè) list 包含了前 N 個(gè)常見的元素及其計(jì)數(shù)，它們按照常見度降序排列。

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

上述代碼會(huì)打印出以下 tuples 的 list。

[(1,7),(2,5)]

每個(gè) tuple 的首個(gè)元素是 list 中的唯一項(xiàng)，第二個(gè)元素是計(jì)數(shù)值。對(duì)于「獲取 list 中前 3 常見的元素及其計(jì)數(shù)」這樣的問題，這會(huì)是一種快速且簡單的方法。

如果要了解更多關(guān)于 Counter 的功能，可以查看官方文檔。

defaultdict

官方文檔：https://docs.python.org/2/library/collections.html#collections.defaultdict

defaultdict 的工作方式和平常的 python dictionary 完全相同，只是當(dāng)你試圖訪問一個(gè)不存在的鍵時(shí)，它不會(huì)報(bào)錯(cuò)，而是會(huì)使用默認(rèn)值初始化這個(gè)鍵。默認(rèn)值是根據(jù)在創(chuàng)建 defaultdict 對(duì)象時(shí)作為參數(shù)輸入的數(shù)據(jù)類型自動(dòng)設(shè)置的。下面的代碼就是一個(gè)例子。

相反，它會(huì)使用默認(rèn)值初始化這個(gè)鍵。默認(rèn)值是根據(jù)在創(chuàng)建 defaultdict 對(duì)象時(shí)作為參數(shù)輸入的數(shù)據(jù)類型自動(dòng)設(shè)置的。下面的代碼就是一個(gè)例子。

fromcollectionsimportdefaultdict

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，傳遞給 defaultdict 對(duì)象的默認(rèn)值是 int。然后每個(gè)鍵得到了一個(gè)值，也就是「Bob」和「Katie」各獲得了一個(gè)數(shù)字。但是在最后一行，我們?cè)囍L問了一個(gè)尚未定義的鍵，即「Sara」。

在普通 dictionary 中，這種操作會(huì)報(bào)錯(cuò)。但是使用 defaultdict 時(shí)，將自動(dòng)為「Sara」初始化一個(gè)新鍵，其值 0 對(duì)應(yīng)于我們的 int 數(shù)據(jù)類型。因此，最后一行可以把這「Bob」、「Katie」和「Sara」以及對(duì)應(yīng)的值都打印出來。

defaultdict(,{'Bob':1,'Katie':2,'Sara':0})

如果我們改用 list 來初始化我們的 defaultdict，也就是 names_dict = defaultdict(list)，那么「Sara」的值將被初始化成一個(gè)空列表 []，打印來的內(nèi)容就變成了:

defaultdict(,{'Bob':1,'Katie':2,'Sara':[]})

如果要了解更多關(guān)于 defaultdict 的功能，可以查看官方文檔。

deque

官方文檔：https://docs.python.org/2/library/collections.html#collections.deque

queue 是計(jì)算機(jī)科學(xué)中的一種基礎(chǔ)數(shù)據(jù)架構(gòu)，它遵循先進(jìn)先出（First-In-First-Out，F(xiàn)IFO）的原則。簡單來說，就是添加到 queue 中的第一個(gè)對(duì)象也必須是要第一個(gè)刪除。我們只能在 queue 前面插入內(nèi)容，也只能從后面刪除內(nèi)容——無法對(duì)中間內(nèi)容進(jìn)行操作。

collections 庫中的 deque 對(duì)該功能進(jìn)行了優(yōu)化。這個(gè)方法的一個(gè)關(guān)鍵特性是保持隊(duì)列長度一直不變，也就是說，如果你將 queue 的最大大小設(shè)置為 10，那么 deque 將根據(jù) FIFO 原則添加和刪除元素，以保持 queue 的最大大小為 10。這是迄今為止 Python 中使用 queue 的最好方法了。

再來看一個(gè)例子。我們先創(chuàng)建了一個(gè) deque 對(duì)象，然后用從 1 到 10 的整數(shù)初始化它。

fromcollectionsimportdeque

my_queue=deque(maxlen=10)

foriinrange(10):
my_queue.append(i+1)

print(my_queue)

在上面的代碼中，我們首先初始化 deque，指定它的最大長度為 10。然后，我們通過 for loop 將值插入到 queue 中。注意這里我們使用了與常見 Python list 相同的方式填充 queue。最后，我們把結(jié)果打印出來。

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

因?yàn)槲覀兊?queue 被設(shè)置成 maxlen=10，而 loop 值添加了 10 個(gè)元素，所以這個(gè) queue 包含了從 1 到 10 的所有數(shù)字?，F(xiàn)在我們來看一下如果繼續(xù)向里面添加數(shù)字會(huì)發(fā)生什么。

foriinrange(10,15):
my_queue.append(i+1)

print(my_queue)

在上述代碼中，我們又向 queue 中添加了 5 個(gè)元素——數(shù)字 11 到 15。但是我們的 queue 只能有 10 個(gè)元素，所以它需要?jiǎng)h除一些元素。因?yàn)?queue 必須服從 FIFO 原則，所以它刪掉了前五個(gè)插入到 queue 中的元素，按照插入順序就是 [1, 2, 3, 4, 5]。打印的結(jié)果如下：

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

如果要了解更多關(guān)于 deque 的功能，可以查看官方文檔。

namedtuple

官方文檔：https://docs.python.org/2/library/collections.html#collections.namedtuple

當(dāng)你使用 python 創(chuàng)建一個(gè)常規(guī) tuple 時(shí)，其元素都是通用的，而且沒有被命名。這使得你必須記住每個(gè) tuple 元素的精確索引。namedtuple 就可以解決這個(gè)問題。

namedtuple() 可以返回一個(gè) tuple，該 tuple 中的每個(gè)位置都有固定名稱，而且 namedtuple 對(duì)象也有通用名稱。要使用 namedtuple，需要先為其創(chuàng)建一個(gè)模板。下面的代碼創(chuàng)建了一個(gè)名為「Person」的 namedtuple 模板，其屬性為「name」、「age」和「job」。

fromcollectionsimportnamedtuple

Person=namedtuple('Person','nameagejob')
Oncethetemplateiscreated,youcanuseittocreatenamedtupleobjects.Let’screate2namedtuple’sfor2Personsandprintouttheirrepresentation.
Person=namedtuple('Person','nameagejob')

Mike=Person(name='Mike',age=30,job='DataScientist')
Kate=Person(name="Kate",age=28,job='ProjectManager')

print(Mike)
print(Kate)

上述代碼很容易理解，我們?yōu)?namedtuple 初始化了一個(gè)「Person」模板，并初始化了其所有的屬性。上述代碼最后的打印結(jié)果是：

Person(name='Mike',age=30,job='DataScientist')
Person(name='Kate',age=28,job='ProjectManager')

因此，namedtuple 讓 tuple 的使用更簡單、更可讀且更有組織性。

如果要了解更多關(guān)于 namedtuple 的功能，可以查看官方文檔。