四种高性能数据类型，Python collections助你优化代码、简洁任务

选自gitconnected

作者：George Seif

机器之心编译

参与：王子嘉、杜伟

在这篇文章中，机器学习工程师 George Seif 介绍了 Python collections 模块最受欢迎的四种数据类型以及它们各自的使用方法。这些数据类型可以对代码进行优化，进而实现更简洁的任务执行。

Python 的最大优势之一就是它有各种各样的模块和软件包可供选择。这些模块和包将 Python 的功能扩展到了许多流行领域，包括机器学习、数据科学、Web 开发和前端等。其中表现最好的一个就是 Python 内置的 collections 模块了。

一般而言，Python 中的 collections 模块是用于存储列表、字典、元组以及集等数据集合的容器。这些容器嵌入在 Python 中，可以实现开箱即用。collections 模块提供了额外的高性能数据类型，它们可以优化代码，让一些任务变得更加简洁。

本文作者 George Seif（机器学习工程师）。

Counter

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

Counter 是 dictionary 对象的子类。collections 模块中的 Counter() 函数会接收一个诸如 list 或 tuple 的迭代器，然后返回一个 Counter dictionary。这个 dictionary 的键是该迭代器中的唯一元素，每个键的值是迭代器元素的计数。

首先，我们需要从 collections 包中导入 Counter：

from collections import Counter

如果要创建一个 Counter 对象，我们也要像对待其他对象类一样，先将它分配给一个变量，而传递给 Counter 对象的惟一变量即是迭代器。

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

如果我们使用简单的 print 函数（print(counter)）把这个 Counter 打印出来，则会得到一些与 dictionary 稍微类似的输出：

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

你可以用这些键值访问任何 Counter 项。这与从标准的 Python dictionary 中获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() 函数

目前来说，Counter 对象中最有用的函数是 most_common()。当它应用于一个 Counter 对象时，会返回一个 list，这个 list 包含了前 N 个常见的元素及其计数，它们按照常见度降序排列。

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

上述代码会打印出以下 tuples 的 list。

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

每个 tuple 的首个元素是 list 中的唯一项，第二个元素是计数值。对于「获取 list 中前 3 常见的元素及其计数」这样的问题，这会是一种快速且简单的方法。

如果要了解更多关于 Counter 的功能，可以查看官方文档。

defaultdict

官方文档：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，只是当你试图访问一个不存在的键时，它不会报错，而是会使用默认值初始化这个键。默认值是根据在创建 defaultdict 对象时作为参数输入的数据类型自动设置的。下面的代码就是一个例子。

相反，它会使用默认值初始化这个键。默认值是根据在创建 defaultdict 对象时作为参数输入的数据类型自动设置的。下面的代码就是一个例子。

from collections import defaultdict

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，传递给 defaultdict 对象的默认值是 int。然后每个键得到了一个值，也就是「Bob」和「Katie」各获得了一个数字。但是在最后一行，我们试着访问了一个尚未定义的键，即「Sara」。

在普通 dictionary 中，这种操作会报错。但是使用 defaultdict 时，将自动为「Sara」初始化一个新键，其值 0 对应于我们的 int 数据类型。因此，最后一行可以把这「Bob」、「Katie」和「Sara」以及对应的值都打印出来。

defaultdict(<class 'int'>, {'Bob': 1, 'Katie': 2, 'Sara': 0})

如果我们改用 list 来初始化我们的 defaultdict，也就是 names_dict = defaultdict(list)，那么「Sara」的值将被初始化成一个空列表 []，打印来的内容就变成了:

defaultdict(<class 'int'>, {'Bob': 1, 'Katie': 2, 'Sara': []})

如果要了解更多关于 defaultdict 的功能，可以查看官方文档。

deque

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

queue 是计算机科学中的一种基础数据架构，它遵循先进先出（First-In-First-Out，FIFO）的原则。简单来说，就是添加到 queue 中的第一个对象也必须是要第一个删除。我们只能在 queue 前面插入内容，也只能从后面删除内容——无法对中间内容进行操作。

collections 库中的 deque 对该功能进行了优化。这个方法的一个关键特性是保持队列长度一直不变，也就是说，如果你将 queue 的最大大小设置为 10，那么 deque 将根据 FIFO 原则添加和删除元素，以保持 queue 的最大大小为 10。这是迄今为止 Python 中使用 queue 的最好方法了。

再来看一个例子。我们先创建了一个 deque 对象，然后用从 1 到 10 的整数初始化它。

from collections import deque

my_queue = deque(maxlen=10)

for i in range(10):
    my_queue.append(i+1)

print(my_queue)

在上面的代码中，我们首先初始化 deque，指定它的最大长度为 10。然后，我们通过 for loop 将值插入到 queue 中。注意这里我们使用了与常见 Python list 相同的方式填充 queue。最后，我们把结果打印出来。

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

因为我们的 queue 被设置成 maxlen=10，而 loop 值添加了 10 个元素，所以这个 queue 包含了从 1 到 10 的所有数字。现在我们来看一下如果继续向里面添加数字会发生什么。

for i in range(10, 15):
    my_queue.append(i+1)

print(my_queue)

在上述代码中，我们又向 queue 中添加了 5 个元素——数字 11 到 15。但是我们的 queue 只能有 10 个元素，所以它需要删除一些元素。因为 queue 必须服从 FIFO 原则，所以它删掉了前五个插入到 queue 中的元素，按照插入顺序就是 [1, 2, 3, 4, 5]。打印的结果如下：

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

如果要了解更多关于 deque 的功能，可以查看官方文档。

namedtuple

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

当你使用 python 创建一个常规 tuple 时，其元素都是通用的，而且没有被命名。这使得你必须记住每个 tuple 元素的精确索引。namedtuple 就可以解决这个问题。

namedtuple() 可以返回一个 tuple，该 tuple 中的每个位置都有固定名称，而且 namedtuple 对象也有通用名称。要使用 namedtuple，需要先为其创建一个模板。下面的代码创建了一个名为「Person」的 namedtuple 模板，其属性为「name」、「age」和「job」。

from collections import namedtuple

Person = namedtuple('Person', 'name age job')
Once the template is created, you can use it to create namedtuple objects. Let’s create 2 namedtuple’s for 2 Persons and print out their representation.
Person = namedtuple('Person', 'name age job')

Mike = Person(name='Mike', age=30, job='Data Scientist')
Kate = Person(name="Kate", age=28, job='Project Manager')

print(Mike)
print(Kate)

上述代码很容易理解，我们为 namedtuple 初始化了一个「Person」模板，并初始化了其所有的属性。上述代码最后的打印结果是：

Person(name='Mike', age=30, job='Data Scientist')
Person(name='Kate', age=28, job='Project Manager')

因此，namedtuple 让 tuple 的使用更简单、更可读且更有组织性。