本文共 8668 字，大约阅读时间需要 28 分钟。
2.4新增
源代码：Lib/collections.py and Lib/_abcoll.py
提供了替换dict, list, set和tuple的数据类型。
主要类型如下：
还提供了抽象基类，用来测试类是否提供了特殊接口，不管是哈希或者映射。
计数器(Counter)是一个容器，用来跟踪值出现了多少次。和其他语言中的bag或multiset类似。
计数器支持三种形式的初始化。构造函数可以调用序列，包含key和计数的字典，或使用关键字参数。
import collectionsprint(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)) 执行结果：
$ python3 collections_counter_init.py Counter({'b': 3, 'a': 2, 'c': 1})Counter({'b': 3, 'a': 2, 'c': 1})Counter({'b': 3, 'a': 2, 'c': 1}) 注意key的出现顺序是根据计数的从大到小。
可以创建空的计数器，再update：
import collectionsc = collections.Counter()print('Initial :{0}'.format(c))c.update('abcdaab')print('Sequence:{0}'.format(c))c.update({'a': 1, 'd': 5})print('Dict :{0}'.format(c)) 执行结果：
python3.5 collections_counter_update.py*Initial :Counter()Sequence:Counter({'a': 3, 'b': 2, 'c': 1, 'd': 1})Dict :Counter({'d': 6, 'a': 4, 'b': 2, 'c': 1}) 访问计数
import collectionsc = collections.Counter('abcdaab')for letter in 'abcde': print('{0} : {1}'.format(letter, c[letter])) 执行结果：
$ python3.5 collections_counter_get_values.py a : 3b : 2c : 1d : 1e : 0
注意这里不存在的元素也会统计为0。
elements方法可以列出所有元素：
import collectionsc = collections.Counter('extremely')c['z'] = 0print(c)print(list(c.elements())) 执行结果：
$ python3.5 collections_counter_elements.py Counter({'e': 3, 'y': 1, 'r': 1, 'x': 1, 'm': 1, 'l': 1, 't': 1, 'z': 0})['y', 'r', 'x', 'm', 'l', 't', 'e', 'e', 'e'] 注意后面并没有输出计数为0的元素。
most_common()可以提取出最常用的元素。
import collectionsc = collections.Counter()with open('/etc/adduser.conf', 'rt') as f: for line in f: c.update(line.rstrip().lower())print('Most common:')for letter, count in c.most_common(3): print('{0}: {1}'.format(letter, count)) 执行结果：
$ python3.5 collections_counter_most_common.py Most common: : 401e: 310s: 221
Counter还支持算术和集合运算，它们都只会保留数值为正整数的key。
import collectionsimport pprintc1 = collections.Counter(['a', 'b', 'c', 'a', 'b', 'b'])c2 = collections.Counter('alphabet')print('C1:')pprint.pprint(c1)print('C2:')pprint.pprint(c2)print('\nCombined counts:')print(c1 + c2)print('\nSubtraction:')print(c1 - c2)print('\nIntersection (taking positive minimums):')print(c1 & c2)print('\nUnion (taking maximums):')print(c1 | c2) 执行结果：
$ python3 collections_counter_arithmetic.pyC1:Counter({'b': 3, 'a': 2, 'c': 1})C2:Counter({'a': 2, 't': 1, 'l': 1, 'e': 1, 'b': 1, 'p': 1, 'h': 1})Combined counts:Counter({'b': 4, 'a': 4, 'p': 1, 'e': 1, 'c': 1, 't': 1, 'l': 1, 'h': 1})Subtraction:Counter({'b': 2, 'c': 1})Intersection (taking positive minimums):Counter({'a': 2, 'b': 1})Union (taking maximums):Counter({'b': 3, 'a': 2, 'p': 1, 'e': 1, 'c': 1, 't': 1, 'l': 1, 'h': 1}) 上面的例子让人觉得collections只能处理单个字符。其实不是这样的，请看标准库中的实例。
from collections import Counterimport pprintimport recnt = Counter()for word in ['red', 'blue', 'red', 'green', 'blue', 'blue']: cnt[word] += 1pprint.pprint(cnt)cnt = Counter(['red', 'blue', 'red', 'green', 'blue', 'blue'])pprint.pprint(cnt)words = re.findall('\w+', open('/etc/adduser.conf').read().lower())print(Counter(words).most_common(10)) 执行结果：
$ python3 collections_counter_normal.pyCounter({'blue': 3, 'red': 2, 'green': 1})Counter({'blue': 3, 'red': 2, 'green': 1})[('the', 27), ('is', 13), ('be', 12), ('if', 12), ('will', 12), ('user', 10), ('home', 9), ('default', 9), ('to', 9), ('users', 8)] 第1段代码和第2段的代码效果式样的，后面一段代码通过Counter实现了简单的单词的统计功能。比如面试题：使用python打印出/etc/ssh/sshd_config出现次数最高的10个单词及其出现次数。
下面看看Counter的相关定义：
class collections.Counter([iterable-or-mapping]) 。注意Counter是无序的字典。在key不存在的时候返回0. c['sausage'] = 0。设置值为0不会删除元素，要使用del c['sausage']。
除了标准的字典方法，额外增加了：
elements() ：返回一个包含所有元素的迭代器，忽略小于1的计数。
most_common([n])：返回最常用的元素及其计数的列表。默认返回所有元素。
subtract([iterable-or-mapping]) ：相减。
命名元组和普通元组的的内存效率差不多。它不会针对每个实例生成字典。
import collectionsPerson = collections.namedtuple('Person', 'name age gender')print('Type of Person:{0}'.format(type(Person)))bob = Person(name='Bob', age=30, gender='male')print('\nRepresentation: {0}'.format(bob))jane = Person(name='Jane', age=29, gender='female')print('\nField by name: {0}'.format(jane.name))print('\nFields by index:')for p in [bob, jane]: print('{0} is a {1} year old {2}'.format(*p)) 执行结果：
$ python3 collections_namedtuple_person.pyType of Person:Representation: Person(name='Bob', age=30, gender='male')Field by name: JaneFields by index:Bob is a 30 year old maleJane is a 29 year old female
从上例可以看出命名元组Person类和excel的表头类似，给下面的每个列取个名字，真正excel行数据则存储在Person类的实例中。好处在于可以jane.name这样的形式访问，比记元组的index要直观。
注意列名在实现内部其实是个标识符，所以不能和关键字冲突，只能用字母或者下划线开头。下例会报错：
import collectionstry: collections.namedtuple('Person', 'name class age gender')except ValueError as err: print(err)try: collections.namedtuple('Person', 'name age gender age')except ValueError as err: print(err) 执行结果：
$ python3 collections_namedtuple_bad_fields.py Type names and field names cannot be a keyword: 'class'Encountered duplicate field name: 'age'
设置rename=True，列名会在冲突时自动重命名，不过这种重命名并不美观。
import collectionswith_class = collections.namedtuple('Person', 'name class age gender', rename=True)print(with_class._fields)two_ages = collections.namedtuple('Person', 'name age gender age', rename=True)print(two_ages._fields) 执行结果：
$ python collections_namedtuple_rename.py('name', '_1', 'age', 'gender')('name', 'age', 'gender', '_3') collections.namedtuple(typename, field_names, verbose=False) 返回一个命名元组类。如果verbose为True，会打印类定义信息
命名元组在处理数据库的时候比较有用：
用于查找多个字典。
ChainMap管理一系列字典，按顺序根据key查找值。
API和字典类似。
collections_chainmap_read.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}m = collections.ChainMap(a, b)print('Individual Values')print('a = {}'.format(m['a']))print('b = {}'.format(m['b']))print('c = {}'.format(m['c']))print()print('m = {}'.format(m))print('Keys = {}'.format(list(m.keys())))print('Values = {}'.format(list(m.values())))print()print('Items:')for k, v in m.items(): print('{} = {}'.format(k, v))print()print('"d" in m: {}'.format(('d' in m))) 执行结果：
$ python3 collections_chainmap_read.py Individual Valuesa = Ab = Bc = Cm = ChainMap({'c': 'C', 'a': 'A'}, {'c': 'D', 'b': 'B'})Keys = ['c', 'a', 'b']Values = ['C', 'A', 'B']Items:c = Ca = Ab = B"d" in m: False collections_chainmap_reorder.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}m = collections.ChainMap(a, b)print(m.maps)print('c = {}\n'.format(m['c']))# reverse the listm.maps = list(reversed(m.maps))print(m.maps)print('c = {}'.format(m['c'])) 执行结果：
$ python3 collections_chainmap_reorder.py[{'c': 'C', 'a': 'A'}, {'c': 'D', 'b': 'B'}]c = C[{'c': 'D', 'b': 'B'}, {'c': 'C', 'a': 'A'}]c = D 更新原字典：
collections_chainmap_update_behind.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}m = collections.ChainMap(a, b)print('Before: {}'.format(m['c']))a['c'] = 'E'print('After : {}'.format(m['c'])) 执行结果
$ python3 collections_chainmap_update_behind.pyBefore: CAfter : E
直接更新ChainMap：
collections_chainmap_update_directly.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}m = collections.ChainMap(a, b)print('Before:', m)m['c'] = 'E'print('After :', m)print('a:', a) 执行结果
$ python3 collections_chainmap_update_directly.pyBefore: ChainMap({'c': 'C', 'a': 'A'}, {'c': 'D', 'b': 'B'})After : ChainMap({'c': 'E', 'a': 'A'}, {'c': 'D', 'b': 'B'})a: {'c': 'E', 'a': 'A'} ChainMap可以方便地在前面插入字典，这样可以避免修改原来的字典。
collections_chainmap_new_child.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}m1 = collections.ChainMap(a, b)m2 = m1.new_child()print('m1 before:', m1)print('m2 before:', m2)m2['c'] = 'E'print('m1 after:', m1)print('m2 after:', m2) 执行结果
$ python3 collections_chainmap_new_child.pym1 before: ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})m2 before: ChainMap({}, {'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})m1 after: ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})m2 after: ChainMap({'c': 'E'}, {'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'}) 还可以通过传入字典的方式
collections_chainmap_new_child_explicit.py
import collectionsa = {'a': 'A', 'c': 'C'}b = {'b': 'B', 'c': 'D'}c = {'c': 'E'}m1 = collections.ChainMap(a, b)m2 = m1.new_child(c)print('m1["c"] = {}'.format(m1['c']))print('m2["c"] = {}'.format(m2['c'])) 执行结果
$ python3 collections_chainmap_new_child_explicit.pym1["c"] = Cm2["c"] = E
另外一种等价的方式：
m2 = collections.ChainMap(c, *m1.maps)
转载地址：http://cpmml.baihongyu.com/