Python内建模块collections详解：Counter、deque与OrderedDict实战

Python数据结构与collections模块概述

在Python开发中，数据结构是基础且不可或缺的部分，主要包括List（列表）、Tuples（元组）和Dictionaries（字典）。在实际业务场景中，我们往往需要对这些数据结构中的数据进行频繁操作。例如，向列表末尾添加元素时，通常会使用append()方法。除了这些基础数据结构自带的操作方法外，Python还提供了一个强大的内建模块——collections，它提供了更多高效且实用的数据处理工具。本文将对该模块进行系统梳理。

Counter：元素频率统计工具

一、Counter

Counter是一个计数器类，主要用于便捷地统计各类元素出现的频率。它可以处理的数据类型包括String（字符串）、List（列表）、Tuples（元组）等。

String

from collections import Counter

c = Counter("HelloKitty")

print(c)

#运行结果：
Counter({'l': 2, 't': 2, 'H': 1, 'e': 1, 'o': 1, 'K': 1, 'i': 1, 'y': 1})

List

from collections import Counter

c = Counter(["苹果", "樱桃", 1, 1, 4, 4, 5])

print(c)

#运行结果：
Counter({1: 2, 4: 2, '苹果': 1, '樱桃': 1, 5: 1})

deque：高效的双端队列操作

二、deque

虽然List因其易用性而广受欢迎，但其缺点在特定场景下十分明显：按索引访问元素速度很快，但插入和删除操作效率较低。当数据量较小时，这种性能差异可能不易察觉；然而，随着数据规模增大，这一缺点会愈发突出。由于List是线性数据结构，插入元素时需要移动后续所有元素，导致时间复杂度较高。deque（双端队列）不仅实现了List的append()和pop()方法，还额外提供了appendleft()和popleft()方法，使得从列表头部进行添加和移除操作变得同样便捷高效。

from collections import deque

deque_list = deque(['a', 'b', 'c', 'd'])
deque_list.append('苹果')
deque_list.appendleft('吃')

print(deque_list)

#运行结果：
deque(['吃', 'a', 'b', 'c', 'd', '苹果'])

OrderedDict：保持插入顺序的字典

三、OrderedDict

在Python中，标准Dict（字典）的key默认是无序的。如果业务场景要求保持key的插入顺序，可以使用OrderedDict来实现。

from collections import OrderedDict

list_a = [(1, "苹果"), (2, "香蕉"), (3, "西瓜"), (4, "芒果")]

order_dict = OrderedDict(list_a)
print(order_dict)

#运行结果：
D:\Daily
λ python whatiscollections.py
OrderedDict([(1, '苹果'), (2, '香蕉'), (3, '西瓜'), (4, '芒果')])

在实际开发中，如果遇到需要保持字典顺序的场景，可以尝试上述几种用法。

以上就是关于Python内建模块collections的详细解析，更多Python collections相关资料，敬请关注本站其他技术文章！