引言
Python為我們提供了4種基本的資料結構：list, tuple, dict, set，但在處理資料量較大的情形的時候，這4種資料結構就明顯過於單一了，例如list作為單向鍊錶在某些情形插入的效率會比較低，有時候我們也需要維護一個有序的dict。所以這個時候我們就要用到Python標準函式庫為我們提供的collections包了，它提供了多個有用的集合類，熟練掌握這些集合類，不僅可以讓我們讓寫出的程式碼更加Pythonic，也可以提高我們程式的運作效率。
defaultdict的使用
defaultdict(default_factory)在普通的dict(字典)之上添加了default_factory，使得key(鍵)不存在時會自動產生對應類型的value(值)，default_factory參數可以指定成鍵)不存在時會自動產生對應類型的value(值)，default_factory參數可以指定成鍵)不存在時會自動產生對應類型的value(值)，default_factory參數可以指定成鍵list, set, int等各種合法類型。
example1
>>> from collections import defaultdict >>> s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]
我們現在有上面這樣一組list(列表)，雖然我們有6組數據，但是仔細觀察後發現其實我們只有兩種color(顏色)，但是每一個color對應多個值。現在我們想要將這個list轉換成一個dict(字典)，這個dict的key(鍵)對應一種color，dict的value(值)設定為一個list存放color對應的多個值。我們可以使用defaultdict(list)來解決這個問題。
#
d可以看作一个dict(字典)，dict的value是一个list(列表)
>>> d = defaultdict(list)
>>> for k, v in s:
... d[k].append(v)
...
>>> d
defaultdict(<class 'list'>, {'blue': [2, 4, 4], 'red': [1, 3, 1]})example2
上面這個例子中有一些不完美的地方，比如說{‘blue’: [2, 4, 4], ‘red’: [1, 3, 1]}這個defaultdict中blue顏色包含兩個4，red顏色包含兩個1，但是我們不希望含有重複的元素，這個時候可以考慮使用defaultdict(set)來解決這個問題。 set(集合)相比list(列表)的不同之處在於set中不允許存在相同的元素。
>>> d = defaultdict(set)
>>> for k, v in s:
... d[k].add(v)
...
>>> d
defaultdict(<class 'set'>, {'blue': {2, 4}, 'red': {1, 3}})example3
>>> s = 'hello world'
透過使用defaultdict(int)的形式我們來統計一個字串中每個字元出現的個數。
>>> d = defaultdict(int)
>>> for k in s:
... d[k] += 1
...
>>> d
defaultdict(<class 'int'>, {'o': 2, 'h': 1, 'w': 1, 'l': 3, ' ': 1, 'd': 1, 'e': 1, 'r': 1})OrderedDict的使用
我們知道預設的dict(字典)是無序的，但是在某些情形我們需要保持dict的有序性，這個時候可以使用OrderedDict，它是dict的一個情形我們需要保持dict的有序性，這個時候可以使用OrderedDisubct，它是dict的一個情形(子類別)，但是在dict的基礎上保持了dict的有序型，下面我們來看一下使用方法。
example1
>>> from collections import OrderedDict
#
无序的dict
>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}這是一個無序的dict(字典)，現在我們可以使用OrderedDict來讓這個dict變得有秩序。
# 将d按照key来排序 >>> OrderedDict(sorted(d.items(), key=lambda t: t[0])) OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)]) # 将d按照value来排序 >>> OrderedDict(sorted(d.items(), key=lambda t: t[1])) OrderedDict([('pear', 1), ('orange', 2), ('banana', 3), ('apple', 4)]) # 将d按照key的长度来排序 >>> OrderedDict(sorted(d.items(), key=lambda t: len(t[0]))) OrderedDict([('pear', 1), ('apple', 4), ('orange', 2), ('banana', 3)])
example2
使用popitem(last=True)方法可以讓我們按照LIFO(先進後出)的順序刪除dict中的key-value，即刪除最後一個插入的鍵值對，如果last= False就依照FIFO(先進先出)刪除dict中key-value。
>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}
#
将d按照key来排序
>>> d = OrderedDict(sorted(d.items(), key=lambda t: t[0]))
>>> d
OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])
#
使用popitem()方法来移除最后一个key-value对
>>> d.popitem()
('pear', 1)
#
使用popitem(last=False)来移除第一个key-value对
>>> d.popitem(last=False)
('apple', 4)example3
使用move_to_end(key, last=True)來改變有序的OrderedDict物件的key-value順序，透過這個方法我們可以將排序好的OrderedDict物件中的任一個key-value插入字典的開頭或結尾。
>>> d = OrderedDict.fromkeys('abcde') >>> d OrderedDict([('a', None), ('b', None), ('c', None), ('d', None), ('e', None)]) # 将key为b的key-value对移动到dict的最后 >>> d.move_to_end('b') >>> d OrderedDict([('a', None), ('c', None), ('d', None), ('e', None), ('b', None)]) >>> ''.join(d.keys()) 'acdeb' # 将key为b的key-value对移动到dict的最前面 >>> d.move_to_end('b', last=False) >>> ''.join(d.keys()) 'bacde'
deque的使用
list儲存資料的優點是按找索引查找元素會很快，但是插入和刪除元素就很慢了，因為它是單鍊錶的資料結構。 deque是為了高效實現插入和刪除操作的雙向列表，適合用於隊列和棧，而且線程安全。
list只提供了append和pop方法來從list的尾部插入/刪除元素，但是deque新增了appendleft/popleft允許我們高效的在元素的開頭來插入/刪除元素。而且使用deque在佇列兩端添加（append）或彈出（pop）元素的演算法複雜度大約是O(1)，但是對於list物件改變列表長度和資料位置的操作例如 pop(0)和insert(0, v)操作的複雜度高達O(n)。由於對deque的操作和list基本上一致，這裡就不重複了。
ChainMap的使用
ChainMap用來將多個dict(字典)組成一個list(只是比喻)，可以理解成合併多個字典，但和update不同，而且效率更高。
>>> from collections import ChainMap
>>> a = {'a': 'A', 'c': 'C'}
>>> b = {'b': 'B', 'c': 'D'}
>>> m = ChainMap(a, b)
#
构造一个ChainMap对象
>>> m
ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})
>>> m['a']
'A'
>>> m['b']
'B'
#
将m变成一个list
>>> m.maps
[{'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'}]
#
更新a中的值也会对ChainMap对象造成影响
>>> a['c'] = 'E'
>>> m['c']
'E'
#
从m复制一个ChainMap对象，更新这个复制的对象并不会对m造成影响
>>> m2 = m.new_child()
>>> m2['c'] = 'f'
>>> m['c']
'E'
>>> a['c']
'E'
>>> m2.parents
ChainMap({'a': 'A', 'c': 'C'}, {'b': 'B', 'c': 'D'})Counter的使用
example1
Counter也是dict的一個subclass，它是一個無序容器，可以看做一個計數器
Counter也是dict的一個subclass，它是一個無序容器，可以看做一個計數器Counter也是dict的一個subclass，它是一個無序容器，可以看做一個計數器Counter也是dict的一個subclass，它是一個無序容器，可以看做一個計數器，用來統計相關元素出現的個數。
>>> from collections import Counter
>>> cnt = Counter()
#
统计列表中元素出现的个数
>>> for word in ['red', 'blue', 'red', 'green', 'blue', 'blue']:
... cnt[word] += 1
...
>>> cnt
Counter({'blue': 3, 'red': 2, 'green': 1})
#
统计字符串中元素出现的个数
>>> cnt = Counter()
>>> for ch in 'hello':
... cnt[ch] = cnt[ch] + 1
...
>>> cnt
Counter({'l': 2, 'o': 1, 'h': 1, 'e': 1})example2
使用elements()方法按照元素的出現次數返回一個iterator(迭代器)，元素以任意的順序返回，如果元素的計數小於1，將忽略它。>>> c = Counter(a=4, b=2, c=0, d=-2)
>>> c
Counter({'a': 4, 'b': 2, 'c': 0, 'd': -2})
>>> c.elements()
<itertools.chain object at 0x7fb0a069ccf8>
>>> next(c)
'a'
#
排序
>>> sorted(c.elements())
['a', 'a', 'a', 'a', 'b', 'b']>>> c = Counter('abracadabra')
>>> c
Counter({'a': 5, 'b': 2, 'r': 2, 'd': 1, 'c': 1})
>>> c.most_common(3)
[('a', 5), ('b', 2), ('r', 2)]namedtuple的使用
使用namedtuple(typename, field_names)命名tuple中的元素來使程式更具可讀性。>>> from collections import namedtuple >>> Point = namedtuple('PointExtension', ['x', 'y']) >>> p = Point(1, 2) >>> p.__class__.__name__ 'PointExtension' >>> p.x 1 >>> p.y 2
