(给机器学习算法与Python学习加星标,提升AI技能)
选自gitconnected
本文授权转自"机器之心"(almosthuman2014)
一般而言,Python 中的 collections 模块是用于存储列表、字典、元组以及集等数据集合的容器。这些容器嵌入在 Python 中,可以实现开箱即用。collections 模块提供了额外的高性能数据类型,它们可以优化代码,让一些任务变得更加简洁。
Counter
官方文档:https://docs.python.org/2/library/collections.html#collections.Counter
Counter 是 dictionary 对象的子类。collections 模块中的 Counter() 函数会接收一个诸如 list 或 tuple 的迭代器,然后返回一个 Counter dictionary。这个 dictionary 的键是该迭代器中的唯一元素,每个键的值是迭代器元素的计数。
首先,我们需要从 collections 包中导入 Counter:
from collections import Counter
如果要创建一个 Counter 对象,我们也要像对待其他对象类一样,先将它分配给一个变量,而传递给 Counter 对象的惟一变量即是迭代器。
lst
 = [
1
2
3
3
2
1
1
1
2
2
3
1
2
1
1
]

counter
 = Counter(lst)
如果我们使用简单的 print 函数(print(counter))把这个 Counter 打印出来,则会得到一些与 dictionary 稍微类似的输出:
Counter({1: 7, 2: 5, 3: 3})
你可以用这些键值访问任何 Counter 项。这与从标准的 Python dictionary 中获取元素的方法完全相同。
lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]

counter = Counter(lst)

print(counter[1])
most_common() 函数
目前来说,Counter 对象中最有用的函数是 most_common()。当它应用于一个 Counter 对象时,会返回一个 list,这个 list 包含了前 N 个常见的元素及其计数,它们按照常见度降序排列。
lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]

counter = Counter(lst)

print(counter.most_common(2))
上述代码会打印出以下 tuples 的 list。
[(17), (25)]
每个 tuple 的首个元素是 list 中的唯一项,第二个元素是计数值。对于「获取 list 中前 3 常见的元素及其计数」这样的问题,这会是一种快速且简单的方法。
如果要了解更多关于 Counter 的功能,可以查看官方文档。
defaultdict
官方文档:https://docs.python.org/2/library/collections.html#collections.defaultdict
defaultdict 的工作方式和平常的 python dictionary 完全相同,只是当你试图访问一个不存在的键时,它不会报错,而是会使用默认值初始化这个键。默认值是根据在创建 defaultdict 对象时作为参数输入的数据类型自动设置的。下面的代码就是一个例子。
相反,它会使用默认值初始化这个键。默认值是根据在创建 defaultdict 对象时作为参数输入的数据类型自动设置的。下面的代码就是一个例子。
from collections import defaultdict


names_dict = defaultdict(int)

names_dict[
"Bob"
] = 1

names_dict[
"Katie"
] = 2

sara_number = names_dict[
"Sara"
]

print(names_dict)
在上面的示例中,传递给 defaultdict 对象的默认值是 int。然后每个键得到了一个值,也就是「Bob」和「Katie」各获得了一个数字。但是在最后一行,我们试着访问了一个尚未定义的键,即「Sara」。
在普通 dictionary 中,这种操作会报错。但是使用 defaultdict 时,将自动为「Sara」初始化一个新键,其值 0 对应于我们的 int 数据类型。因此,最后一行可以把这「Bob」、「Katie」和「Sara」以及对应的值都打印出来。
defaultdict(<classint >, { Bob 1 Katie 2 Sara 0})
如果我们改用 list 来初始化我们的 defaultdict,也就是 names_dict = defaultdict(list),那么「Sara」的值将被初始化成一个空列表 [],打印来的内容就变成了:
defaultdict(<classint >, { Bob 1 Katie 2 Sara : []})
如果要了解更多关于 defaultdict 的功能,可以查看官方文档。
deque
官方文档:https://docs.python.org/2/library/collections.html#collections.deque
queue 是计算机科学中的一种基础数据架构,它遵循先进先出(First-In-First-Out,FIFO)的原则。简单来说,就是添加到 queue 中的第一个对象也必须是要第一个删除。我们只能在 queue 前面插入内容,也只能从后面删除内容——无法对中间内容进行操作。
collections 库中的 deque 对该功能进行了优化。这个方法的一个关键特性是保持队列长度一直不变,也就是说,如果你将 queue 的最大大小设置为 10,那么 deque 将根据 FIFO 原则添加和删除元素,以保持 queue 的最大大小为 10。这是迄今为止 Python 中使用 queue 的最好方法了。
再来看一个例子。我们先创建了一个 deque 对象,然后用从 1 到 10 的整数初始化它。
from
 collections 
import
 deque


my_queue = deque(maxlen=
10
)


for
 i 
in
 range(
10
):

    my_queue.append(i+
1
)


print
(my_queue)
在上面的代码中,我们首先初始化 deque,指定它的最大长度为 10。然后,我们通过 for loop 将值插入到 queue 中。注意这里我们使用了与常见 Python list 相同的方式填充 queue。最后,我们把结果打印出来。
deque([12345678910], maxlen=10)
因为我们的 queue 被设置成 maxlen=10,而 loop 值添加了 10 个元素,所以这个 queue 包含了从 1 到 10 的所有数字。现在我们来看一下如果继续向里面添加数字会发生什么。
for
 i in 
range
(
10
15
):

    my_queue.
append
(i+
1
)


print
(my_queue)
在上述代码中,我们又向 queue 中添加了 5 个元素——数字 11 到 15。但是我们的 queue 只能有 10 个元素,所以它需要删除一些元素。因为 queue 必须服从 FIFO 原则,所以它删掉了前五个插入到 queue 中的元素,按照插入顺序就是 [1, 2, 3, 4, 5]。打印的结果如下:
deque([6789101112131415], maxlen=10)
如果要了解更多关于 deque 的功能,可以查看官方文档。
namedtuple
官方文档:https://docs.python.org/2/library/collections.html#collections.namedtuple
当你使用 python 创建一个常规 tuple 时,其元素都是通用的,而且没有被命名。这使得你必须记住每个 tuple 元素的精确索引。namedtuple 就可以解决这个问题。
namedtuple() 可以返回一个 tuple,该 tuple 中的每个位置都有固定名称,而且 namedtuple 对象也有通用名称。要使用 namedtuple,需要先为其创建一个模板。下面的代码创建了一个名为「Person」的 namedtuple 模板,其属性为「name」、「age」和「job」。
from
 collections 
import
 namedtuple


Person = namedtuple(
Person
name age job
)

Once the template 
is
 created, you can use it to create namedtuple objects. Let’s create 
2
 namedtuple’s 
for2
 Persons 
andprint
 out their representation.

Person = namedtuple(
Person
name age job
)


Mike = Person(name=
Mike
, age=
30
, job=
Data Scientist
)

Kate = Person(name=
"Kate"
, age=
28
, job=
Project Manager
)


print
(Mike)

print
(Kate)
上述代码很容易理解,我们为 namedtuple 初始化了一个「Person」模板,并初始化了其所有的属性。上述代码最后的打印结果是:
Person(
name
=
Mike
, age=
30
, job=
Data Scientist
)

Person(
name
=
Kate
, age=
28
, job=
Project Manager
)
因此,namedtuple 让 tuple 的使用更简单、更可读且更有组织性。
如果要了解更多关于 namedtuple 的功能,可以查看官方文档。
继续阅读