python模块--collections

python的内建模块collections有几个关键的数据结构，平常在使用的时候，开发者可以直接调用，不需要自己重复制造*，这样可以提高开发效率。

 

1. deque双端队列

平常我们使用的python内置list类的append，extend，pop方法都是从list的尾部执行的（pop()默认弹出最后一个元素）。在使用的时候，list很像是一种栈结构（lifo）。不同的是list灵活性更强，在栈的基础上有动态插入的方法，即insert（index,obj）和索引、切片等操作。强大的list似乎也可以实现队列（fifo），但由于它实在太灵活了，列表中的元素极容易改变，在使用时令人总是不那么放心。为了实现更好的队列结构，一般程序员会自己实现一个类。

collections模块中为我们提供的双端队列是在队列的基础上实现头尾两端可append、可pop。另外还有insert，rotate等方法，也是相当灵活的

关键方法：

append()          #从右端添加元素（与list同）

appendleft()       #从左端添加元素（与list同）

extend()          #从右端逐个添加可迭代对象（与list同）

extendleft()       #从左端逐个添加可迭代对象（与list同）

pop()             #从右端弹出元素（与list同）

popleft()          #从左端弹出数据

count()           #统计队列中的元素个数（与list同）

insert(index,obj)    #在指定位置插入元素（与list同）

rotate()           #旋转队列

 

基本使用例子：

from  collections import deque

d = deque()
#增加数据
d.append('1')
d.append('2')
d.appendleft('3')
l = ['4','5']
d.extend(l)
d.extendleft(l)
print(d)

#计算deque元素个数
print(d.count('5'))

#循环移动
d.rotate(1)
print(d)
d.rotate(-1)
print(d)

 

#计算股票和仓库存货常用的移动平均数

from collections import deque
import itertools
def moving_average(iterable,n=3):
    it = iter(iterable)
    d = deque(itertools.islice(it,n-1))  #迭代出前2个数据
    print(d)
    d.appendleft(0)  #防止第一次运行算法时候把第一个数据删除
    s = sum(d)
    print(d)
    print(s)
    for elem in it:
        s += elem-d.popleft()
        d.append(elem)
        yield s/float(n)

l = [10,20,18,27,15]
for average in moving_average(l):
  print(average)

 

 

 

2. defaultdict  默认字典

我们平常在使用python内置的dict的时候，根据键key去查询对应的value值，如果不存在对应的key，会报错（keyerror）。但是在defaultdict就会会出现这个问题。

例子：

dd = defaultdict(lambda:"none")    #只需要在定义的时候为不存在的key定义指定的显示值
dd["a"] = "apple"
dd["b"] = "banana"

print(dd["c"])
print(dd)

结果：
>>>none
>>>defaultdict(<function <lambda> at 0x0000023b1c1919d8>, {'c': 'none', 'a': 'apple', 'b': 'banana'})

由第二条的结果可以看出，defaultdict将不存在的键专门用一个字典来存放，而存在的键存放在另外一个字典中。当需要查询元素时，如果遇到没有的键key，就会获取第一字典中预先设定好的显示值。

 

 

 

3. orderdict  有序字典

在使用python内置的dict时，用print()打印出整个字典，会发现前后两次字典的键值对顺序是不一样的（笔者猜测是前后两次的hash值不一样的缘故）。而在有序字典oderdict中，这种现象不会在发生。

例子：

od = ordereddict()
od["1"] = "one"
od["2"] = "two"
od["3"] = "three"
od["4"] = "four"
od["5"] = "five"

结果：
ordereddict([('1', 'one'), ('2', 'two'), ('3', 'three'), ('4', 'four'), ('5', 'five')])