Python高级数据结构之Collection

本章是Python高级数据结构的第一篇，由于之前没有接触过太多的Python版本的数据结构，所以在学习的过程中集百家之长和自己的见解，加以实践，学习Python。 Python中用到tuple的方法，和注意事项都以代码的形式体现，高级之处在与其可以处理特殊场景的大部分数据描述问题。

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time    : 2017-4-25 10:33# @Author  : coderManFans# @Site    : Python 高级数据结构模块#            1.Python中的高级数据结构包括#            Collections,Array,Heapq,Bisect,Weakref,Copy,Pprint#            2.Collections模块包含了内建类型之外的一些有用的工具，如Counter,defaultdict,OrderDict#              deque以及nametuple.其中Counter,deque以及defaultdict是最常用的类## @File    : collectionsDemo.py# @Software: PyCharm#1.Collections#1.1 Counter()'''Counter继承了dict类，其中seq为可迭代对象。接收seq,并以字典的形式返回seq中每个元素（hashable）出现的次数Counter的应用场景：1.统计一个单词在给定序列中一共出现了多少次2.统计给定序列中不同单词出现的次数'''from collections import Counterlist1 = ['a','b','c',23,23,'a','d','b','e']counter1 = Counter(list1)print(counter1)print(counter1['a'])#1.1.1统计不同单词的数目print(len(set(list1)))#1.1.2对统计结果进行分组 下面的方法表示分为4组，不填默认全部分组，以列表#存储，里面元素是tuple对象print(counter1.most_common(4))#1.1.3 elements()获取Counter()生成对象的所有键名，重复的几个会全部打印# 该方法返回一个迭代器对象keylist = counter1.elements()print(keylist)print(list(keylist))#1.1.4 update(x) 更新计数器 把x的内容加入到原来计数器中#x可以作为字符串，列表，元组，集合，但是不能作为字典，纯数字，否则报错list2 = ['a','d','f','q',2,3,2,3,4]print(counter1)counter1.update(list2)print(counter1)#1.1.5 substract(x) 更新计数器 把x代表的次数减少1，默认减少1,(通过字典形式指定一次减少的个数)#，不存在则减为-1，依次减，作用与update()相反counter1.subtract('a')print(counter1)counter1.subtract(['a','b',2])print(counter1)#1.2 Deque'''Deque是一种由队列结构扩展而来的双端队列（double-ended queue），队列元素能够在队列两端添加或者删除。因此还被称为头尾连接列表（head-tail linked list）,当然还有另一个特殊的数据结构也实现了这个Deque 支持线程安全的，经过优化的append和pop操作，在队列两端的相关操作都能够达到近乎O(1)的时间复杂度。虽然list也支持类似的操作，但是它是对定长列表的操作表现很不错，而当遇到pop(0)和insert(o,v)这样既改变了列表的长度又改变其元素位置的操作时，其复杂度就变为O(n)了、'''from collections import deque#1.2.1 定义一个双向队列（循环队列）de1 = deque()#默认往双向队列右边加入元素de1.append('asdf')print(de1)#1.2.2 往双向队列左边加入一个元素de1.appendleft('2323')de1.appendleft(232324)de1.appendleft('2323')de1.appendleft(23)de1.appendleft(23)print(de1)#1.2.3 返回指定元素在双向队列中的个数count1 = de1.count(23)print(count1)#1.2.4 反转双向队列print(de1)de1.reverse()print(de1)#1.2.5 向双向队列中指定位置插入一个元素de1.insert(2,'abced')print(de1)#1.2.6 用一个迭代器从右边扩展双向队列，相当于从右边批量插入de1.extend(['a','adfasdf','asdf','asdfasd23'])print(de1)#1.2.7 用一个迭代器从左边扩展双向队列，相当于从左边批量插入de1.extendleft(['2','3','2',22,';',23,233.002,23.22])print(de1)#1.2.8 返回从左到右遇到的第一个value的索引index1 = de1.index('3')print(index1)#1.2.9 浅复制双向队列de2 = de1.copy()de3 = de2de2.append('----asdfasdfa-sdf-asd-f')print(de3)print(de2)#1.2.10 队列的左旋转，右旋转#默认向右旋转n步（默认n = 1）,n是负数则向左旋转print(de1)de1.rotate(2)print(de1)#1.2.11 删除并返回右边的一个元素val1 = de1.pop()print(val1)#1.2.12 删除并返回左边的一个元素val2 = de1.popleft()print(val2)#1.2.13 删除第一次出现的值de1.remove('2')print(de1)#1.2.14 清空队列中的数据de1.clear()print(de1)#------------------------------------------------------------#1.3 collections 中的 defaultDict'''该类型除了在处理不存在的键的操作之外与普通的字典完全相同。当查找一个不存在的键的操作发生时，它的default_factory会被调用，提供一个默认的值，并且将这对键值存储下来。其他的参数同普通的字典方法dict()一致，一个defaultdict的实例同内建dict一样拥有同样的操作defaultdict与dict唯一的区别就是初始化默认值的问题，defaultdict的默认值可以是空list[],或者set{},或者0defaultdict与dict.setdefault(key,[,default])是等价的，区别是复制的时候会被覆盖其他使用与dict没有区别defaultdict对象在当你希望使用它存放追踪数据的时候很有用。'''from collections import defaultdictlist3 = [('yellow',1),('blue',2),('yellow',3),('blue',3)]dict1 = defaultdict(list)print(dict1)for k,v in list3:    dict1[k].append(v)print(dict1)dict2 = defaultdict(set)print(dict2)dict3 = {}#-----------------------------------------------------------------------------#1.4 collections 有序字典 orderedDict的使用'''orderedDict是collections中的一个包，能够记录字典元素的插入顺序，常常和排序函数一起使用来生成一个排序的字典默认的dict是不保证顺序的，但是该类可以保证插入的顺序该对象里的元素是字典对象，如果其顺序不同，那么则Python会认为是两个不同的对象'''from collections import OrderedDictdict4 = {'ba1':3,'aple':2,'pear':23,'orga':4}#1.4.1 按照key排序orderdict1 = OrderedDict(sorted(dict4.items(),key = lambda  t:t[0]))print(orderdict1)#1.4.2 按照value排序orderdict1 = OrderedDict(sorted(dict4.items(),key = lambda  t:t[1]))print(orderdict1)dict5 = {'a':1,'c':2,'b':3}dict6 = {'b':3,'a':1,'c':2}print(dict5 == dict6)#1.4.3 注意这种方式的初始化是保证顺序的orderdict2 = OrderedDict(dict5)orderdict3 = OrderedDict(dict6)print(orderdict2)print(orderdict3)print(orderdict3 == orderdict2)orderdict4 = OrderedDict()orderdict4['a'] = 123orderdict4['b'] = 13orderdict4['d'] = 1orderdict5 = OrderedDict()orderdict5['d'] = 1orderdict5['b'] = 13orderdict5['a'] = 123print(orderdict4)print(orderdict5)print(orderdict4 == orderdict5)#1.4.4 有序删除 每次删除最后一个，相当于内存的栈存放，后进先出，pop()是指定元素进行删除dict7 = orderdict5.popitem()print(dict7)orderdict5['h'] = 'asdfasdf'orderdict5['e'] = 'asdfasdf'#1.4.5 将指定键值移动到最后,也就是移动到最上面print(orderdict5)orderdict5.move_to_end('h')print(orderdict5)#1.4.6 设置默认键值orderdict5.setdefault('k','is default value,key')print(orderdict5)#---------------------------------------------------------------------------#1.5 namedtuple 可命名元组的使用方式from collections import namedtuple'''namedtuple继承tuple对象，namedtuple创建一个和tuple类似的对象，而且对象可以通过属性名访问元素值tuple只通过索引去访问，namedtuple可以提供基于对象的方式通过属性名访问元素值每个元素都有自己的名字，类似于java的Bean，C语言中的struct。同样的，对象属性一旦确定则不可更改，tuple中的值一旦确定也不可更改但是在使用namedtuple的时候注意属性名不能使用Python的关键字，如:class def等。而且不能有重复的属性名称。如果有属性冲突的情况下，可以通过namedtuple开启重命名模式'''#1.5.1 初始化 下面的方式相当于创建了一个Person类 里面有5个属性personObj = namedtuple("person",'name age gender address money ')print(type(personObj))print(personObj)Bob = personObj(name='Bob',age=23,gender='nan',address='beijing',money=30000.00)#上面的代码相当于创建了一个Person对象，下面则是通过元组的方式打印该Person对象print(Bob)zhangsan = personObj(name='zhangsan',age=40,gender='nan',address='nanjing',money=303330.00)#通过属性名之间访问到属性值print(zhangsan.address+"-----"+zhangsan.gender+"----"+zhangsan.name)#1.5.2 存在命名冲突的情况#通过设置重命名模式为True解决命名冲突的情况personObj2 = namedtuple("person",'name age gender address money age ',rename=True)#第二个冲突的属性名通过: _+indexNum的方式表示,设置值的时候要通过 _+indexNum=value的方式print(personObj2._fields)lisi = personObj2(name='zhangsan',age=40,gender='nan',address='nanjing',money=303330.00,_5=30)print(lisi)