跳转至

Collections中的若干数据结构

Python中的deque：双端队列⚓︎

感谢GPT-4在本页面编写过程中的协助

  • deque是栈和队列的一种广义实现，deque是double-end queue的简称；deque支持线程安全、有效内存地以近似O(1)的性能在deque的两端插入和删除元素;
  • API
    • append(): 右端添加元素
    • appendleft(): 左边添加元素
    • pop()：右端弹出元素
    • popleft()：左端弹出元素
    • insert(idx, ele)：在第idx个位置插入元素ele;(idx 从0开始下标)
import collections
deq1 = collections.deque()

for i in range(10): # 先后加入10个元素
    deq1.append(i)
print(deq1)
for _ in range(3): # 弹出最先加入的3个元素
    deq1.popleft()
print(deq1)
deq1.pop() # 弹出最后一个加入的元素
print(deq1)
deq1.insert(2, 120)
print(deq1)
deq1.pop()
print(deq1) # 如果是Insert一个元素在中间，不在首末尾，pop还是会弹出最后的元素

# ========== 结果为 ===========
<div markdown="1" style="margin-top: -30px; font-size: 0.75em; opacity: 0.7;">
:material-circle-edit-outline: 约 635 个字 :fontawesome-solid-code: 73 行代码 :material-clock-time-two-outline: 预计阅读时间 3 分钟
</div>
# deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# deque([3, 4, 5, 6, 7, 8, 9])
# deque([3, 4, 5, 6, 7, 8])
# deque([3, 4, 120, 5, 6, 7, 8])
# deque([3, 4, 120, 5, 6, 7])

Python中的另类字典： defaultdict⚓︎

返回一个新的类似字典的对象。 defaultdict 是内置 dict 类的子类。它重写一个方法并添加一个可写实例变量。其余功能与 dict 类相同

from collections import defaultdict
s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
d = defaultdict(list) 
# 当第一次遇到每个键时，如果尚未在映射中;因此， defaultdict 会给这个键返回空 list 不报错
for k, v in s:
    d[k].append(v)
print(sorted(d.items()))
if "Purple" in d:
    print("Checked!")
if "yellow" in d:
    print("Checked!")    

# ======= 返回结果 ==========
# [('blue', [2, 4]), ('red', [1]), ('yellow', [1, 3])]
# Checked!

Python中的另类元组namedtuple⚓︎

namedtuple允许创建类似于元组的对象，但每个元素都可以有一个名称，这使得您的代码更加可读和文档化。您可以通过名称而不是索引来访问namedtuple的元素，这增加了代码的可读性。

首先，需要从collections模块导入namedtuple，然后使用namedtuple()工厂函数来创建一个新的namedtuple类。

  • 使用场景和优点

namedtuple适合用于需要不可变对象（就像元组）但又希望代码可读性更高的场合。例如，在处理CSV或数据库查询结果时，将每行数据表示为namedtuple，比使用普通元组更加清晰。

  • 其优点包括：

可读性：通过字段名访问元素比通过索引访问更清晰。

不可变性：和普通元组一样，namedtuple是不可变的。

轻量级：相比普通类，namedtuple更节省内存。

自文档化：代码中使用namedtuple，可以让其他人更容易理解您的数据结构。

一种常用的情况是读取一些静态数据。比如如下格式的csv：

Name Age Height Weight IQ EQ Math English Grade
Bob 22 165 66 120 120 153 130 1
Aob 23 169 66 122 127 163 130 1
Cob 24 168 65 122 127 172 133 2
Dob 25 164 62 122 127 172 133 2
Eob 27 162 55 133 157 172 133 2
Fob 22 161 68 133 153 172 133 2
Gob 21 164 89 123 153 172 133 2

可以通过如下方法获取每一行的数据：

import pandas as pd
from collections import namedtuple

# 读取CSV文件
df = pd.read_csv('your_csv_file.csv')

# 用df的列名创建一个namedtuple类 'Student'
Student = namedtuple('Student', df.columns)

# 将每行转换为一个Student namedtuple实例
students = [Student(*row) for row in df.itertuples(index=False, name=None)]

# 示例：打印第一行数据
print(students[0])

# ===== 输出 =====
# Student(Name='Bob', Age=22, Height=165, Weight=66, IQ=120, EQ=120, Math=153, English=130, Grade=1)

与collections无关的一些补充：Python中的集合

Python 中的集合（set）是一种内置数据类型，非常适合进行集合的各种操作，如并集（union）、交集（intersection）、差集（difference）等。下面我将详细介绍这些操作，并附上相应的代码示例。

set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}

# 并集
union_set = set1 | set2  # 或者 set1.union(set2)
print("并集:", union_set)

# 交集
intersection_set = set1 & set2  # 或者 set1.intersection(set2)
print("交集:", intersection_set)

# 差集
difference_set = set1 - set2  # 或者 set1.difference(set2)
print("差集:", difference_set)
#  =========== 返回的结果 =========== 
# 并集: {1, 2, 3, 4, 5, 6, 7, 8}
# 交集: {4, 5}
# 差集: {1, 2, 3}