6. python 查漏补缺，namedtuple 命名元组，双向队列 deque，Counter 计数器，可排序字典

ゝ一世哀愁。 2022-09-11 01:25 119阅读 0赞

## namedtuple 命名元组 ##

在之前的学习过程中，咱们已经接触过命名元组相关知识，毕竟这个知识点可以极大的提高元组使用。

命名元组的函数原型如下：

namedtuple(typename, field_names, *, rename=False, defaults=None, module=None)

下面依旧是对各个参数的说明：

*  `typename`：元组名称；
 *  `field_names`：元组中元素名称，即元组字段的名称，可以是有空格分隔的字段名组成的字符串，也可以是有多个字符串组成的可迭代对象；
 *  `*`：捕获参数占位符；
 *  `rename`：设置为 True，会自动替换一些与 Python 关键字重名的字段；
 *  `module`：设置 `__module__` 属性值。

演示案例如下，创建一个命名元组，其中字段包括：姓名，性别，学号。

from collections import namedtuple
    
    # Student = namedtuple("Student",["name sex sid"])
    Student = namedtuple("Student", ["name", "sex", "sid"])
    # 接下来就可以创建命名元组相关实例了
    s1 = Student("橡皮擦", "女", 10086)
    s2 = Student("菜鸡", "男", 10010)
    
    # 直接索引形式访问数据
    print(s1[0])
    # 通过名称访问数据
    print(s2.name)
    
    # 直接输出对象，会输出 Student(name='橡皮擦', sex='女', sid=10086)
    print(s1)

**命名元组特殊的方法与属性**

`_make` 从现有序列创建一个新的实例。

s_1_s = Student._make(s1)
    print(id(s1)) # 查看内存地址
    print(s_1_s)
    print(id(s_1_s))

`_asdict` 返回 `OrderedDict` 对象。

s_1_as = Student._asdict(s1)
    print(s_1_as) # OrderedDict([('name', '橡皮擦'), ('sex', '女'), ('sid', 10086)])
    print(s1._asdict())

`_replace` 替换元组值。

s_1_r = Student._replace(s1, name="擦姐")
    print(s_1_r) # Student(name='擦姐', sex='女', sid=10086)

`_fields` 获取字段名称。

s_1_f = Student._fields
    print(s_1_f)

## 双向队列 ##

在 `collections` 模块中，还存在一个 `deque` 容器，该容器可以从两端快速追加或者删除值，所以叫做双向队列（线程安全）。

`deque` 函数原型如下：

deque([iterable[, maxlen]]) --> deque object

其中两个参数都是可选参数：

*  `iterable`：可迭代对象，如果没有该值，默认创建一个空的 `deque` 对象；
 *  `maxlen`：`deque` 对象的长度，默认值为 None。

`deque` 对象使用方式类似列表，常用的方法清单如下（部分与列表一致的方法，使用说明略）

*  `append()`：右侧追加元素；
 *  `appendleft()`：左侧追加元素；
 *  `clear()`：清空；
 *  `copy()`：浅复制；
 *  `extend()`：右侧扩展一个序列；
 *  `extendleft()`：左侧扩展一个序列；
 *  `count()`：计算某个元素出现的次数；
 *  `index()`：检索位置，找不到就报错；
 *  `pop()`：右侧末尾移除一个元素，并返回该值；
 *  `popleft()`：左侧末尾移除一个元素，并返回该值；
 *  `reverse()`：反转；
 *  `remove()`：移除元素。

其余的一些可作用于可迭代对象的函数，也可用于 `deque` 队列，例如 `len`，`reversed`。

## Counter 计数器 ##

计数器与 Python 中的字典基本一致，对象中包括元素及该元素对应的数量，该值为整数值，可以为 0 和负值。

Counter 是一个类，官方注释中提供了使用规则：

1. c = Counter()                           # a new, empty counter
    2. c = Counter('gallahad')                 # a new counter from an iterable
    3. c = Counter({ 'a': 4, 'b': 2})           # a new counter from a mapping
    4. c = Counter(a=4, b=2)                   # a new counter from keyword args

1.  空计数器；
2.  文本字符串映射，会统计每个字母出现的次数；
3.  通过字典创建对象；
4.  通过关键字参数创建对象。

在使用计数器的过程中，如果发现不存在的项，直接返回 0，代码如下：

from collections import Counter
    
    c = Counter({ 'a': 4, 'b': 2})
    print(c["c"]) # 0

使用对象的 `elements()` 方法，可以返回一个可迭代对象。

from collections import Counter
    
    c = Counter({ 'a': 4, 'b': 2})
    
    for item in c.elements():
        print(item)

该迭代循环将按照元素顺序依次打印数据。

`most_common` 方法，将返回元素列表，顺序按照元素出现的次数，从最多到最少排列。

from collections import Counter
    
    c = Counter({ 'a': 4, 'b': 2, 'c': 5, "e": 2})
    
    print(c.most_common()) # [('c', 5), ('a', 4), ('b', 2), ('e', 2)]

`subtract` 方法用于从现有计数器中，参照一个序列减去对应的值，代码如下：

c = Counter({ 'a': 4, 'b': 2, 'c': 5, "e": 2})
    d = Counter({ 'a': 1, 'b': 2, 'c': 3, "e": 4})
    c.subtract(d)  # c-d
    print(c)

**由于计数器是特殊的字典，即值是整数，故可以对计数器使用一些数学计算**

from collections import Counter
    
    c = Counter({ 'a': 4, 'b': 2, 'c': 5, "e": 2})
    d = Counter({ 'a': 1, 'b': 2, 'c': 3, "e": 4})
    t1 = c - d
    print(t1)  # Counter({'a': 3, 'c': 2})
    t2 = c + d
    print(t2)  # Counter({'c': 8, 'e': 6, 'a': 5, 'b': 4})
    t3 = c & d
    print(t3) # Counter({'c': 3, 'b': 2, 'e': 2, 'a': 1}) 取两个值中的较小值
    
    t4 = c | d
    print(t4) # Counter({'c': 5, 'a': 4, 'e': 4, 'b': 2}) 取两个值中的较大值

## 可排序字典 OrderedDict ##

`OrderedDict` 是字典类的子类，所以它具备 `dict` 类的所有方法。

该知识点在 `Python3.6` 版本之后不需要特别说明，因为其之后的版本改写了 dict 的内部算法，字典是有顺序的。

在此版本之前的，可以使用 `OrderedDict` 创建一个带顺序的字典。

## 写在后面 ##

以上内容就是本文的全部内容。

> 今天是持续写作的第 222 / 365 天。  
> 可以关注，点赞、评论、收藏。

**更多精彩**

*  [滚雪球学 Python（完结）][Python]
 *  [滚雪球学 Python 第二轮（完结）][Python 1]
 *  [滚雪球学 Python 第三轮][Python 2]
 *  [滚雪球学 Python 番外篇（完结）][Python 3]

[Python]: https://blog.csdn.net/hihell/category_10573584.html
[Python 1]: https://blog.csdn.net/hihell/category_10763952.html
[Python 2]: https://blog.csdn.net/hihell/category_10901284.html
[Python 3]: https://blog.csdn.net/hihell/category_10656235.html