Python collections - zhongjiajie/zhongjiajie.github.com GitHub Wiki
自Python 2.6开始,namedtuple就加入到python里,用以只有少数属性但是没有方法的对象
import collections
nt = collections.namedtuple('nt', ['attr1', 'attr2'])
# 相当于定义了一个类,类名是 nt 他有属性 attr1 attr2
# 可以通过 i = nt(val1, val2) 对类进行实例化, 然后 i.attr1 i.attr2 访问属性元组(tuple)是Python中常见的数据类型之一，和列表(list)相似，不同的地方在于列表是可变数组，而tuple是一个不可变的数组，你不能改变元组中的值
>>> bar = ("bob", 10)
>>> bar[1] = 11
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
# 错误提示很清晰的告诉你tuple不支持元素重新赋值元组除了可以看做是不可变的列表之外，还可以当做没有字段名的记录(record)。比如从一个数据库的用户表中查询出一条记录包含有：姓名、性别、身高、体重这四个字段的值，用元组来表示这条记录是：
name, gender, height, weight = ("jack", "female", 170, 120)使用元组表示一条记录从性能上来说是要超过列表，因为列表是可变对象，列表内部维护的东西更多，而元组则更轻量级。但是，元组当做记录有一个缺点，你不知道元组中的每一项具体代表什么意思，只有你自己知道，如果你是API的提供方，调用者使用你的API时，只有通过文档说明才知道你的元组中的元素各代表什么意思，如果那些需求变更，而文档没有及时更新，调用者很容易就出问题了。每次取值时，我们只能通过下标索引第0号，第1号，第2号
这时就可以用一种更加高级的元组叫namedtuple，《流畅的Python》上把它翻译为具名元组，取值时不再需要通过下标索引的方式来获取了
from collections import namedtuple
# 定义namedtuple类
User = namedtuple("User", 'name gender height weight')
# 或者
# User = namedtuple("User", ['name', 'gender', 'height', 'weight'])
# 初始化namedtuple实例对象
user = User(name="jack", gender="female", height=170, weight=120)
# 访问都应的属性
user.name #'jack'
user.gender #'female'定义namedtuple时，第一个参数就是元组的名字，这里很像我们自定义类中的类名，第二个参数是用空格隔开的字符串（也可以是字符串组成的列表），代表元组中的4个字段，相当于类中的4个属性。初始化方式和类的实例对象是一样的，如果用普通类来定义可表示为:
class User:
def __init__(self, name, gender, height, weight):
self.name = name
self.gender = gender
self.height = height
self.weight = weight
user = User(name="jack", gender="female", height=170, weight=120)
user.name #'jack'对比起来，其实 namedtuple 就是一个轻量级的类，代码更简洁，当我们的类非常简单，只有属性又不需要定义其他方法时，完全可以用namedtuple来代替类，使用namedtuple效率比使用普通类更高效，同样因为内部不需要维护太多的东西
namedtuple其实是继承tuple的一个子类，它保留了tuple的特性，比如通过索引获取元素，切片功能，同样地，字段不能重新赋值
>>> user[1:3]
('female', 170)
>>> user[0]
'jack'
>>> user.name = 'bob'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: can't set attribute有序的字典表,会根据元素插入的先后顺序保持
d = collections.OrderedDict()
d['a'] = 'A'
d['b'] = 'B'
d['c'] = 'C'
d['d'] = 'D'
d['e'] = 'E'
for k, v in d.items():
print(k, v)-
popitem(last=True): 移除首位对象, 如果last=ture则是第一位 -
move_to_end(key, last=True): 将对应的key移到有序字典的最后面
除了判断内容是否相等外,还要判断顺序是否相等
# 有序字典判断是否相等
d1 = collections.OrderedDict()
d1['a'] = 'A'
d1['b'] = 'B'
d2 = collections.OrderedDict()
d2['b'] = 'B'
d2['a'] = 'A'
print(d1 == d2) # False
# 普通字典判断是否相等
d1 = {}
d1['a'] = 'A'
d1['b'] = 'B'
d2 = {}
d2['b'] = 'B'
d2['a'] = 'A'
print(d1 == d2) # True使用方法是collections.Counter([iterable-or-mapping])
>>> c = Counter() # a new empty counter
>>> c = Counter('gallahad') # a new counter from an iterable
# Counter({'g': 1, 'a': 3, 'l': 2, 'h': 1, 'd': 1})
>>> c = Counter({'red': 4, 'blue': 2}) # a new counter from a mapping
>>> c = Counter(cats=4, dogs=8) # a new counter from keyword args将多个dict或其他映射组合在一起以创建单个可更新视图.通过[]查找基础映射,直到找到key为止.如果其中一个基础映射得到更新,这些更改将反映在ChainMap中.支持所有常用的字典方法.
from collections import ChainMap
toys = {'One': 10, 'Two': 20}
computers = {'iMac': 1000, 'ThinkPad': 800}
clothing = {'Jeans': 40, 'T-shirt': 10}
# 获取 删除
cm = ChainMap(toys, computers, clothing)
cm['Jeans'] # 40
cm.get('Jeans') # 40
# 只能pop map[0] 中存在的元素
cm.pop('One') # 40
cm.get('One') # KeyError
toys['zhongjiajie'] = 100 # 更新toys同时会更新 chainmap
cm.get('zhongjiajie') # 100