目录：
collections 模块提供了一系列专用的容器数据类型，作为对 Python 内置容器（如 dict、list、set、tuple）的补充和增强。
namedtuple 是一个工厂函数，用于创建具有命名字段的轻量级、不可变对象。
本质上是元组的子类，但允许通过属性名而非索引来访问元素，极大地增强了代码的可读性和自文档性，在定义简单数据结构（如坐标点、记录等）时非常有用。
from collections import namedtuple
# 定义一个名为“Point”的命名元组，字段为x和y
Point = namedtuple('Point', ['x', 'y'])
p = Point(10, y=20)
print(p.x, p.y) # 输出: 10 20
print(p[0] + p[1]) # 仍支持索引访问，输出: 30
第二个参数可以是包含多个字段的字符串，不同字段之间用空格隔开；
from collections import namedtuple
User = namedtuple('User', 'name age gender')
user = User('Alice', 18, 'female')
print(user) # User(name='Alice', age=18, gender='female')
print(user.name) # Alice
print(user[1]) # 18
实现在两端快速添加和弹出元素的线性数据结构，相比于 list，deque 在需要队列或栈功能的场景下性能更优。
from collections import deque
d = deque([1, 2, 3, 4, 5])
d.appendleft(0) # 在左侧添加元素
d.append(6) # 在右侧添加元素
print(d) # 输出: deque([0, 1, 2, 3, 4, 5, 6])
d.popleft() # 从左侧弹出元素
d.pop() # 从右侧弹出元素
print(d) # 输出: deque([1, 2, 3, 4, 5])
Counter 接收一个可迭代对象（如列表、字符串）或映射作为输入，并返回一个字典，其中键是元素，值是元素出现的次数。
它提供了如 most_common()、elements()、subtract() 和 update() 等实用方法，使得频率统计变得异常简单。
from collections import Counter
# 统计列表元素频率
data = ['apple', 'banana', 'orange', 'apple', 'banana', 'apple']
cnt = Counter(data)
print(cnt) # 输出: Counter({'apple': 3, 'banana': 2, 'orange': 1})
# 获取出现频率最高的两个元素
print(cnt.most_common(2)) # 输出: [('apple', 3), ('banana', 2)]
# 统计字符串字符频率
print(Counter('hello world')) # 输出: Counter({'l': 3, 'o': 2, 'h': 1, 'e': 1, ' ': 1, 'w': 1, 'r': 1, 'd': 1})
defaultdict 是 dict 的子类。在初始化时接受一个可调用对象作为参数。当尝试访问一个不存在的键时，defaultdict 会自动调用这个工厂函数，将返回值作为该键的默认值插入字典，从而避免抛出 KeyError 异常。这极大地简化了诸如分组、累加等操作的代码。
from collections import defaultdict
# 使用 list 作为默认工厂，用于将键映射到值列表
s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
d = defaultdict(list)
for k, v in s:
d[k].append(v) # 即使键不存在，也会自动创建空列表
print(dict(d)) # 输出: {'yellow': [1, 3], 'blue': [2, 4], 'red': [1]}
# 使用int作为默认工厂（默认值为0），用于计数
fruit_count = defaultdict(int)
fruit_count['apple'] += 2 # 键不存在时，初始值为 0，然后加 2
print(fruit_count['banana']) # 输出: 0 (访问不存在的键，返回默认值 0)
OrderedDict 是 dict 的子类，它会记住键值对被插入的顺序。在 Python 3.7 之前，内置的 dict 不保证顺序，因此 OrderedDict 是必需的。从Python 3.7 开始，内置 dict 正式成为有序字典，但 OrderedDict 仍然在某些场景下有用，例如它提供了 move_to_end() 等方法，以及对相等性判断的差异（OrderedDict 会考虑顺序）
from collections import OrderedDict
od = OrderedDict()
od['a'] = 1
od['c'] = 3
od['b'] = 2
for key, value in od.items():
print(key, value) # 输出顺序保证为: a 1, c 3, b 2
ChainMap 类可以将多个字典或其他映射组合成一个单一的、可更新的视图。在进行键查找时，它会按照传入映射的顺序从第一个映射开始搜索，直到找到为止。这对于管理多层配置（如命令行参数、环境变量、默认配置）或模拟嵌套作用域非常有用。
from collections import ChainMap
dict1 = {'a': 1, 'b': 2}
dict2 = {'b': 3, 'c': 4}
chain = ChainMap(dict1, dict2)
print(chain) # 输出: ChainMap({'a': 1, 'b': 2}, {'b': 3, 'c': 4})
print(chain['a']) # 输出: 1 (来自 dict1)
print(chain['b']) # 输出: 2 (来自 dict1，因为 dict1 先被搜索)
print(chain['c']) # 输出: 4 (来自 dict2)
# 更新只影响第一个映射
chain['b'] = 10
print(dict1) # 输出: {'a': 1, 'b': 10}
print(dict2) # 输出: {'b': 3, 'c': 4}
↶ 返回首页 ↶