当前位置： 首页 > news >正文

Python 内置模块 collections 常用工具

news 2025/8/18 17:12:30

今天我们来聊聊 Python 的 collections 模块，这个模块就像一个百宝箱，里面装了一堆超级实用的工具，能让你的代码更简洁、更高效。collections 提供了一些高级数据结构，比 Python 内置的列表、字典、集合等更强大，适合处理一些特定场景。

参考文章：Python 内置模块 collections | 简单一点学习 easyeasy.me

一、为什么要用 collections 模块？

Python 的内置数据类型（像 list、dict、set）已经很好用了，但有时候会遇到一些特殊需求，比如需要一个字典能记住插入顺序，或者需要一个计数器来统计元素出现的次数。这时候，collections 模块就派上用场了！它提供了一些专门的数据结构，帮你更高效地解决问题。

这篇文章我们会重点介绍以下几个 collections 模块的常用工具：

  1. namedtuple：给元组取名字，代码更清晰
  2. deque：双端队列，操作两端超快
  3. Counter：计数神器，统计元素频率
  4. OrderedDict：记住插入顺序的字典
  5. defaultdict：自带默认值的字典

二、namedtuple：给元组取个名字

元组 (tuple) 很好用，但它只能通过索引访问，比如 person[0]、person[1]，看着有点费劲。namedtuple 就像给元组的每个位置取了个名字，让你可以用 person.name 这样直观的方式访问。

用法

namedtuple 是一个工厂函数，用来创建带命名的元组类。基本语法是：

from collections import namedtuple
TypeName = namedtuple('TypeName', ['field1', 'field2', ...])

例子

假设我们要存一个人的信息，包括名字、年龄和城市：

from collections import namedtuple# 创建一个 Person 类
Person = namedtuple('Person', ['name', 'age', 'city'])# 创建一个 Person 实例
alice = Person(name='Alice', age=25, city='Beijing')# 访问属性
print(alice.name)  # 输出: Alice
print(alice.age)   # 输出: 25
print(alice.city)  # 输出: Beijing# 也可以像元组一样用索引
print(alice[0])    # 输出: Alice

优点

  • 代码可读性强，用 alice.name 比 alice[0] 直观。
  • 比字典占用内存少，因为它是元组的子类，数据不可变。
  • 支持元组的所有操作，比如拆包、迭代等。

试试创建一个 Point 的 namedtuple，表示 2D 坐标点，包含 x 和 y，然后创建一个点 (3, 4)，打印它的坐标。

Point = namedtuple('Point', ['x', 'y'])
p = Point(x=3, y=4)
print(f"Point: ({p.x}, {p.y})")  # 输出: Point: (3, 4)

三、deque：双端队列，左右都快

deque（读作 “deck”，双端队列）是一个高效的数据结构，适合在两端添加或删除元素。相比 list，deque 在首尾操作上速度更快，尤其适合队列和栈的场景。

用法

deque 的基本操作包括：

  • append / appendleft：在右端/左端添加元素
  • pop / popleft：在右端/左端删除并返回元素
  • extend / extendleft：在右端/左端添加多个元素

例子

我们来模拟一个任务队列：

from collections import deque# 创建一个双端队列
tasks = deque(['task1', 'task2', 'task3'])# 右端添加任务
tasks.append('task4')
print(tasks)  # 输出: deque(['task1', 'task2', 'task3', 'task4'])# 左端添加优先任务
tasks.appendleft('urgent_task')
print(tasks)  # 输出: deque(['urgent_task', 'task1', 'task2', 'task3', 'task4'])# 处理任务（从左端取）
current_task = tasks.popleft()
print(f"处理任务: {current_task}")  # 输出: 处理任务: urgent_task
print(tasks)  # 输出: deque(['task1', 'task2', 'task3', 'task4'])

优点

  • 首尾操作的时间复杂度是 O(1)，而 list 的头部操作是 O(n)。
  • 适合实现队列、栈，或者需要频繁在两端操作的场景。

用 deque 实现一个简单的栈（后进先出）：

stack = deque()
stack.append('a')
stack.append('b')
print(stack.pop())  # 输出: b
print(stack.pop())  # 输出: a

四、Counter：计数神器

Counter 是一个专门用来计数的工具，特别适合统计列表、字符串等可迭代对象中元素的出现次数。它返回一个字典-like 的对象，键是元素，值是出现的次数。

用法

直接把可迭代对象丢给 Counter，它会帮你统计好。

例子

统计一句话中每个单词出现的次数：

from collections import Countersentence = "apple banana apple orange banana apple"
words = sentence.split()
word_counts = Counter(words)print(word_counts)  # 输出: Counter({'apple': 3, 'banana': 2, 'orange': 1})
print(word_counts['apple'])  # 输出: 3# 获取出现次数最多的两个单词
print(word_counts.most_common(2))  # 输出: [('apple', 3), ('banana', 2)]

更多用法

  • 合并计数：可以用 + 或 - 合并两个 Counter。
  • 获取所有元素：elements() 方法返回一个迭代器，按计数展开元素。
c1 = Counter(a=3, b=1)
c2 = Counter(a=1, b=2)
print(c1 + c2)  # 输出: Counter({'a': 4, 'b': 3})
print(list(c1.elements()))  # 输出: ['a', 'a', 'a', 'b']

统计一个字符串中每个字符的出现次数：

text = "hello"
char_counts = Counter(text)
print(char_counts)  # 输出: Counter({'l': 2, 'h': 1, 'e': 1, 'o': 1})

五、OrderedDict：记住插入顺序的字典

在 Python 3.7 之前，普通字典不保证键的插入顺序。OrderedDict 是一个特殊的字典，能记住键值对的插入顺序。虽然 Python 3.7+ 的普通字典已经支持顺序，但 OrderedDict 还有一些独特的功能，比如移动元素。

用法

跟普通字典差不多，但它会记住插入顺序。

例子

记录学生的加入顺序：

from collections import OrderedDictstudents = OrderedDict()
students['Alice'] = 95
students['Bob'] = 88
students['Charlie'] = 92print(students)  # 输出: OrderedDict([('Alice', 95), ('Bob', 88), ('Charlie', 92)])# 移动某个键到末尾
students.move_to_end('Bob')
print(students)  # 输出: OrderedDict([('Alice', 95), ('Charlie', 92), ('Bob', 88)])

优点

  • 明确保证插入顺序，适合需要顺序的场景。
  • 有 move_to_end 和 popitem(last=False) 等方法，灵活操作顺序。

创建一个 OrderedDict，按顺序添加三个键值对，然后把第一个键移动到末尾：

od = OrderedDict(a=1, b=2, c=3)
od.move_to_end('a')
print(od)  # 输出: OrderedDict([('b', 2), ('c', 3), ('a', 1)])

六、defaultdict：自带默认值的字典

普通字典在访问不存在的键时会报 KeyError，而 defaultdict 会在访问不存在的键时自动创建一个默认值，省去手动初始化的麻烦。

用法

创建 defaultdict 时需要指定一个默认工厂函数，比如 int、list、set 等。

例子

统计每个字母开头的单词：

from collections import defaultdictwords = ['apple', 'banana', 'ant', 'bear', 'cat']
d = defaultdict(list)  # 默认值是空列表for word in words:d[word[0]].append(word)print(d)  # 输出: defaultdict(<class 'list'>, {'a': ['apple', 'ant'], 'b': ['banana', 'bear'], 'c': ['cat']})

更多例子

用 int 作为默认值来计数：

counts = defaultdict(int)
for char in "hello":counts[char] += 1print(counts)  # 输出: defaultdict(<class 'int'>, {'h': 1, 'e': 1, 'l': 2, 'o': 1})

优点

  • 避免 KeyError，简化代码。
  • 适合需要动态初始化的场景，比如分组、计数。

用 defaultdict 统计一个列表中每个数字的出现次数：

numbers = [1, 2, 2, 3, 1, 4]
counts = defaultdict(int)
for num in numbers:counts[num] += 1
print(counts)  # 输出: defaultdict(<class 'int'>, {1: 2, 2: 2, 3: 1, 4: 1})

七、总结和实践建议

collections 模块的这些工具各有妙用，总结一下：

  • namedtuple：适合定义轻量级、不可变的数据结构。
  • deque：适合需要高效首尾操作的场景，比如队列和栈。
  • Counter：统计元素频率的神器。
  • OrderedDict：需要记住插入顺序时用（Python 3.7+ 可选）。
  • defaultdict：避免 KeyError，简化动态初始化。
http://www.lryc.cn/news/624141.html

相关文章：

  • (机器学习)监督学习 vs 非监督学习
  • 二分查找（Binary Search）
  • 机器学习算法篇(十三)------词向量转化的算法思想详解与基于词向量转换的文本数据处理的好评差评分类实战(NPL基础实战)
  • 第七十九：AI的“急诊科医生”：模型失效（Loss Explode）的排查技巧——从“炸弹”到“稳定”的训练之路！
  • Tomcat下载、安装及配置详细教程
  • 《设计模式》抽象工厂模式
  • 数学建模-评价类问题-优劣解距离法(TOPSIS)
  • Python 调试工具的高级用法
  • HTTPS 配置与动态 Web 内容部署指南
  • Pycharm Debug详解
  • mysql建库规范
  • Grid系统概述
  • 佳文赏读 || (CVPR 2025新突破) Robobrain：机器人操作从抽象到具体的统一大脑模型（A Unified Brain Model）
  • 基于Python的旅游推荐系统 Python+Django+Vue.js
  • SVN客户端下载与安装
  • 在鸿蒙中实现深色/浅色模式切换：从原理到可运行 Demo
  • 力扣第463场周赛
  • C++---迭代器删除元素避免索引混乱
  • 轻松配置NAT模式让虚拟机上网
  • LeetCode热题100--104. 二叉树的最大深度--简单
  • JavaScript性能优化实战（四）：资源加载优化
  • 记SpringBoot3.x + Thymeleaf 项目实现（MVC架构模式）
  • 【Unity3D实例-功能-拔枪】角色拔枪（二）分割上身和下身
  • TDengine IDMP 运维指南（1. 部署规划）
  • 大模型算法岗面试准备经验分享
  • 母猪姿态转换行为识别：计算机视觉与行为识别模型调优指南
  • Java试题-选择题（10）
  • AMBA-AXI and ACE协议详解（四）
  • 计算机毕业设计java的小天鹅酒店月子会所管理小天鹅酒店母婴护理中心管理系统设计小天鹅酒店产后护理会所信息化管理平台
  • 物联网软件开发过程中，数据流图（DFD），用例图，类图，活动图，序列图，状态图，实体关系图（ERD），BPMN（业务流程建模）详解分析