后端开发|Python教程
Python ， 标准库，collections
后端开发-Python教程
引言
大型门户新闻资讯源码,树莓派ubuntu联网,tomcat7登陆密码设置,爬虫数据分类保存,怎么用php编程电子问卷调查,做网站 seolzw
Python为我们提供了4种基本的数据结构：list, tuple, dict,
set，但是在处理数据量较大的情形的时候，这4种数据结构就明显过于单一了，比如list作为单向链表在某些情形插入的效率会比较低，有时候我们也需要维护一个有序的dict。所以这个时候我们就要用到Python标准库为我们提供的collections包了，它提供了多个有用的集合类，熟练掌握这些集合类，不仅可以让我们让写出的代码更加Pythonic，也可以提高我们程序的运行效率。
织梦模版 dede整站源码,Ubuntu多张网课,tomcat自定义发布路径,梦到很多蜈蚣爬虫,it行业不认可php语言,intile seo技术lzw
defaultdict的使用
音乐网站整合源码,vscode跑公司项目,远程ubuntu断开,ant和tomcat,sqlite删除一条语句,黑客为什么都学python爬虫,php列表分页,沈阳做seo选哪家,app流量网站源码,WP 手机网页视频插件,微信魔方安装微站模板lzw
defaultdict(default_factory)在普通的dict(字典)之上添加了default_factory，使得key(键)不存在时会自动生成相应类型的value(值)，default_factory参数可以指定成list,
set, int等各种合法类型。
example1
>>> from collections import defaultdict>>> s = [( ed, 1), (lue, 2), ( ed, 3), (lue, 4), ( ed, 1), (lue, 4)]
我们现在有上面这样一组list(列表)，虽然我们有6组数据，但是仔细观察后发现其实我们只有两种color(颜色)，但是每一个color对应多个值。现在我们想要将这个list转换成一个dict(字典)，这个dict的key(键)对应一种color，dict的value(值)设置为一个list存放color对应的多个值。我们可以使用defaultdict(list)来解决这个问题。
# d可以看作一个dict(字典)，dict的value是一个list(列表)>>> d = defaultdict(list)>>> for k, v in s:...d[k].append(v)...>>> ddefaultdict(, {lue: [2, 4, 4], ed: [1, 3, 1]})
example2
上面这个例子中有一些不完美的地方，比如说{‘blue’: [2, 4, 4], ‘red’: [1, 3,
1]}这个defaultdict中blue颜色中包含两个4，red颜色中包含两个1，但是我们不希望含有重复的元素，这个时候可以考虑使用defaultdict(set)来解决这个问题。set(集合)相比list(列表)的不同之处在于set中不允许存在相同的元素。
>>> d = defaultdict(set)>>> for k, v in s:...d[k].add(v)...>>> ddefaultdict(, {lue: {2, 4}, ed: {1, 3}})
example3
>>> s = hello world
通过使用defaultdict(int)的形式我们来统计一个字符串中每个字符出现的个数。
>>> d = defaultdict(int)>>> for k in s:...d[k] += 1...>>> ddefaultdict(, {o: 2, h: 1, w: 1, l: 3, : 1, d: 1, e: 1, : 1})
OrderedDict的使用
我们知道默认的dict(字典)是无序的，但是在某些情形我们需要保持dict的有序性，这个时候可以使用OrderedDict，它是dict的一个subclass(子类)，但是在dict的基础上保持了dict的有序型，下面我们来看一下使用方法。
example1
>>> from collections import OrderedDict# 无序的dict>>> d = {anana: 3, apple: 4, pear: 1, orange: 2}
这是一个无序的dict(字典)，现在我们可以使用OrderedDict来让这个dict变得有序。
# 将d按照key来排序>>> OrderedDict(sorted(d.items(), key=lambda t: t[0]))OrderedDict([(apple, 4), (anana, 3), (orange, 2), (pear, 1)])# 将d按照value来排序>>> OrderedDict(sorted(d.items(), key=lambda t: t[1]))OrderedDict([(pear, 1), (orange, 2), (anana, 3), (apple, 4)])# 将d按照key的长度来排序>>> OrderedDict(sorted(d.items(), key=lambda t: len(t[0])))OrderedDict([(pear, 1), (apple, 4), (orange, 2), (anana, 3)])
example2
使用popitem(last=True)方法可以让我们按照LIFO(先进后出)的顺序删除dict中的key-value，即删除最后一个插入的键值对，如果last=False就按照FIFO(先进先出)删除dict中key-value。
>>> d = {anana: 3, apple: 4, pear: 1, orange: 2}# 将d按照key来排序>>> d = OrderedDict(sorted(d.items(), key=lambda t: t[0]))>>> dOrderedDict([(apple, 4), (anana, 3), (orange, 2), (pear, 1)])# 使用popitem()方法来移除最后一个key-value对>>> d.popitem()(pear, 1)# 使用popitem(last=False)来移除第一个key-value对>>> d.popitem(last=False)(apple, 4)
example3
使用move_to_end(key,
last=True)来改变有序的OrderedDict对象的key-value顺序，通过这个方法我们可以将排序好的OrderedDict对象中的任意一个key-value插入到字典的开头或者结尾。
>>> d = OrderedDict.fromkeys(abcde)>>> dOrderedDict([(a, None), (, None), (c, None), (d, None), (e, None)])# 将key为b的key-value对移动到dict的最后>>> d.move_to_end()>>> dOrderedDict([(a, None), (c, None), (d, None), (e, None), (, None)])>>> \.join(d.keys())acdeb# 将key为b的key-value对移动到dict的最前面>>> d.move_to_end(, last=False)>>> \.join(d.keys())acde
deque的使用
list存储数据的优势在于按找索引查找元素会很快，但是插入和删除元素就很慢了，因为它是是单链表的数据结构。deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈，而且线程安全。
list只提供了append和pop方法来从list的尾部插入/删除元素，但是deque新增了appendleft/popleft允许我们高效的在元素的开头来插入/删除元素。而且使用deque在队列两端添加（append）或弹出（pop）元素的算法复杂度大约是O(1)，但是对于list对象改变列表长度和数据位置的操作例如
pop(0)和insert(0, v)操作的复杂度高达O(n)。由于对deque的操作和list基本一致，这里就不重复了。
ChainMap的使用
ChainMap用来将多个dict(字典)组成一个list(只是比喻)，可以理解成合并多个字典，但和update不同，而且效率更高。
>>> from collections import ChainMap>>> a = {a: A, c: C}>>> b = {: B, c: D}>>> m = ChainMap(a, b)# 构造一个ChainMap对象>>> mChainMap({a: A, c: C}, {: B, c: D})>>> m[a]A>>> m[]B# 将m变成一个list>>> m.maps[{a: A, c: C}, {: B, c: D}]# 更新a中的值也会对ChainMap对象造成影响>>> a[c] = E>>> m[c]E# 从m复制一个ChainMap对象，更新这个复制的对象并不会对m造成影响>>> m2 = m.new_child()>>> m2[c] = f>>> m[c]E>>> a[c]E>>> m2.parentsChainMap({a: A, c: C}, {: B, c: D})
Counter的使用
example1
Counter也是dict的一个subclass，它是一个无序容器，可以看做一个计数器，用来统计相关元素出现的个数。
>>> from collections import Counter>>> cnt = Counter()# 统计列表中元素出现的个数>>> for word in [ ed, lue, ed, green, lue, lue]:... cnt[word] += 1...>>> cntCounter({lue: 3, ed: 2, green: 1})# 统计字符串中元素出现的个数>>> cnt = Counter()>>> for ch in hello:...cnt[ch] = cnt[ch] + 1...>>> cntCounter({l: 2, o: 1, h: 1, e: 1})
example2
使用elements()方法按照元素的出现次数返回一个iterator(迭代器)，元素以任意的顺序返回，如果元素的计数小于1，将忽略它。
>>> c = Counter(a=4, b=2, c=0, d=-2)>>> cCounter({a: 4, : 2, c: 0, d: -2})>>> c.elements()>>> next(c)a# 排序>>> sorted(c.elements())[a, a, a, a, , ]
使用most_common(n)返回一个list, list中包含Counter对象中出现最多前n个元素。
>>> c = Counter(abracadabra)>>> cCounter({a: 5, : 2, : 2, d: 1, c: 1})>>> c.most_common(3)[(a, 5), (, 2), ( , 2)]
namedtuple的使用
使用namedtuple(typename, field_names)命名tuple中的元素来使程序更具可读性。
>>> from collections import namedtuple>>> Point = namedtuple(PointExtension, [x, y])>>> p = Point(1, 2)>>> p.__class__.__name__PointExtension>>> p.x1>>> p.y2
