【Python】 更多数据类型collections&简易数据文件shelve

python

collections

  collections在python内建的数据类型基础上新增一些实用的数据类型,其目的在于增加代码的可读性?(虽然我自己没怎么用过。。)

■  deque 双端队列

  q = deque([....]) 传入某个iterable对象给deque的构造方法,使得其变为一个双端队列。双端队列,顾名思义就是可以从队首和队尾进行加减元素操作的队列类型

  除了常见的序列方法如append,pop等,deque还可以用:

  q.appendleft(..)  在队伍左边append元素

  q.popleft()  在队伍左边pop掉一个元素

  q.rotate(位数)  让每个元素向右移动指定位数,出了右边界就回到左边

  当然,用完deque操作之后可以用list()把它转化回一个列表或者其他办法转化为其他原生的序列

  

■Counter 计数器

  c = Counter(...)  同样也是传递一个iterable对象

  其返回的,也就是这个c,它是一个类字典数据类型,其key是参数iterable对象中的所有元素(去除重复的),而相应value是各元素出现的次数

  顾名思义,它做的工作就是将一个iterable对象做一个count的动作喽

  需要注意的是:

    1. c本身不是一个真的字典,print c 的时候出现的是类似于 Counter({'a':2,'b':2,'c':3})

    2. c[..]という方法で访问value时,若key不存在,会返回0(意义是这个key在Counter中出现了0次)。这一点和字典的d[..]以及d.get(..)都不一样,这两个情况当key不存在时前者报错后者返回None

  Counter的一些方法:

    ●  c.update(d),c.substract(d)

    d可以是个字典或者另一个Counter对象,方法旨在将d的统计结果从c加上或减去。

    update和字典的update类似,但是,当d中有key重复出现时,update的时候只取其value最大的情况。如c = Counter({'a':1}); c.update({'a':1,'a':2})的话,最终c = Counter({'a':3})而不是4

    若substract时c中某元素的计数小于d中的情况,那么该元素的计数值会变成0甚至负数,而元素作为key本身是不会消失的。

    ●  c.elements()

    返回一个迭代器,其内容相当于是字典的d.keys()内含所有元素。当元素在Counter中的值小于等于0则其不出现在迭代器中。

    Counter({'a':1,'b':0}).elements() ===> ['a']

    ●  c.most_common(n)

    返回一个列表,每一项为一个元组,共n个。元组里分别是元素和次数,方法给出的是出现频率最高的n个元素。

    ●  用c += Counter() 可以移除当前c中所有次数为0或负数的项

■ defaultdict 带默认值的字典

  当字典创建或者要增加新的键值对的时候,如果key之前不存在,就会报KeyError,用defaultdict可以解决这个小问题

  令d = defaultdict(函数名) 这样在d[key]没找到key的时候这个key会被自动创建出来并且被设成默认值which是函数名指定函数的返回值,这个函数通常可以写int,str,list等等,也可自己定义.比如int的话默认返回值就是0,str的话就是空字符串""等等

  如此,在新增key之前就不用检查其是否存在了

  //在dict中也有dic.get(key,0)来指定当不存在key时指定默认值的做法,是和这个类似的。

■ OrderedDict 记住顺序的字典

  OrderedDict并不是说这种字典会排序,实际上字典排序可以用sorted(keys=func)这样的方法来做,这个OrderedDict的意思是说它会记住键值对增加的顺序

  但是初始化时就传入具体数据的话,没有传入顺序之分,OrderedDict也就管不了了,如:

d = OrderedDict({'a':1,'b':2,'c':3})

for k,v in d.items():

print k,v

>>>a 1

c 3

b 2

######这和传数据进去的顺序有关,而这个顺序是普通字典{'a':1,'b':2,'c':3}的顺序だから,所以OD是按照他的标准来的

  但是若数据是一条条传进去的话,下面这种情况:

d['a'] = 1

d['b'] = 2

d['c'] = 3

print d

  如果d是个普通字典,得到的会是{'a':1,'c':3,'b':2},而如d是个OrderedDict得到的会是OrderedDict({'a':1,'b':2,'c':3})

 ■  namedtuple

  namedtuple更像是一个“轻类”,可以在代码中临时创建出一个具有部分类以及类实例特征的东西,而不用class关键字等进行声明。其用法参考如下:

from collections import namedtuple

# 通过namedtuple相当于创建了一个名为User的轻类,带有属性name,age和sex

User = namedtuple('User',['name','age','sex'])

# 实例化一个user对象

user = User('Frank',20,'male')

# 获取对象的属性值

print user.name

# 获取对象内容

print user

# 输出为User(name="Frank",age=20,sex='male')

  之所以为轻类,通过namedtuple得到的这类“实例”,针对其属性,一般情况下增删查改中我们只有查的权限。如果你在上面写了类似于user.name = 'Takanashi'或者user.phone = 'xxx'都会报错。

  其实也不是完全不行,改可以通过user._replace(name='Takanashi')这样的方式来实现,不过需要注意其并不是真的修改了这个“实例”的属性,而是返回了一个修改后相同值的另一个“实例”(毕竟叫namedtuple,是个不可变类型,无法直接修改属性值)。

  另外还有类似于user._asdict()的方法将这个“实例”的各个属性和其值转换成OrderedDict键值对的形式。

【shelve】

  其实这个模块没啥好讲的。。只不过它躺在我笔记本里面并且是我第一个写的大一点的python脚本里用到的

   shelve其实就是个能把字典的数据结构从内存里(动态的)转化到磁盘上的一个文件里(静态的),可以说是一个最最简单的数据库把。

    用法也很简单,database = shelve.open('path')来打开或者创建一个shelve文件

    之后就可以在程序中用类似于database['a'] = 1,database.keys()这样的方法来操作数据了。

以上是 【Python】 更多数据类型collections&简易数据文件shelve 的全部内容, 来源链接: utcz.com/z/387593.html

回到顶部