原文: http://106.13.73.98/__/74/
在内置数据类型（dict、list、set、tuple）的基础上，collections模块提供了几个额外的数据类型：
namedtuple：生成可以使用名字来访问元素内容的tuple，通常用来增强代码的可读性， 在访问一些tuple类型的数据时尤其好用.deque：双端队列，可以快速的从另外一侧追加和推出对象.Counter：计数器，主要用来计数.OrderedDict：有序字典.defaultdict：带有默认值的字典.
@
***
namedtuple
首先，我们知道tuple可以表示不变集合，例如一个点的二维坐标可以表示为：
>>> p = (1, 2)可是，看到（1, 2），我们很难分辨出这个tuple是用来表示一个坐标的.
这时，namedtuple就派上用场了：>>> from collections import namedtuple >>> Ponint = namedtuple('Ponint', ['x', 'y']) >>> p = Ponint(1, 2) >>> p.x 1 >>> p.y 2
再比如，有这样一个数据结构：每一个对象都是拥有三个元素的tuple.
使用namedtuple方法就可以方便的通过tuple来生成可读性更高也更好用的数据结构.from collections import namedtuple userinfo = [ ("花千骨", "洪荒之力", "白子画"), ("白浅", "玉清昆仑扇", "夜华"), ("锦觅", "翊圣玄冰", "旭凤") ] Userinfo = namedtuple('Userinfo', ["姓名", "必杀技", "男朋友"]) [print(Userinfo._make(ui)) for ui in userinfo] """打印结果如下： Userinfo(姓名='花千骨', 必杀技='洪荒之力', 男朋友='白子画') Userinfo(姓名='白浅', 必杀技='玉清昆仑扇', 男朋友='夜华') Userinfo(姓名='锦觅', 必杀技='翊圣玄冰', 男朋友='旭凤') """
deque
所谓的单端队列，就是一端进，另一端出.
所谓的双端队列，就是两端都可以进出.
deque其实是double-ended queue的缩写，翻译过来就是双端队列.
deque最大的好处就是实现了从队列头部快速增加和取出对象：.popleft(), .appendleft()
你可能会说，原生的list也可以从头部添加和取出对象啊？就像这样：
lst.insert(0, 'a')
lst.pop(0)但是，我们得注意了，list对象的这两种用法的时间复杂度为O(n)，也就是说随着元素数量的增加，耗时呈线性上升.
而使用deque对象则是O(1)的复杂度，所以当你的代码有这样的需求的时候，一定要记得使用deque.
deque与list的效率问题
·
- 使用list存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，因为list是线性存储，数据量大的时候，插入和删除的效率会很低.
- 在使用insert、remove方法时，deque的平均效率要远高于list.
- list根据索引查某个值的效率要高于deque.
- append和pop方法对于列表的效率没有影响.
示例 deque两端进出
>>> from collections import deque >>> dq = deque([1, 2, 3]) >>> dq.append('z') >>> dq.appendleft('a') # 从头部添加元素 >>> dq.pop() 'z' >>> dq.popleft() # 从头部弹出元素 'a'
作为一个双端队列，deque还提供了其它的好用的方法，比如
rotate.
下面是一个有趣的例子，主要使用了deque的rotate方法来实现一个无限循环的加载动画.from collections import deque import sys import time running = deque('>---------------------') while 1: print('\r', ''.join(running), end='') running.rotate(1) sys.stdout.flush() time.sleep(0.2) # 一个无限循环的跑马灯 # ------------>--------
Counter
Counter类的目的是用来跟踪值出现的次数.
Counter是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，计数作为value，计数值可以是任意的Interger(包括0和负数).
Counter类和其它语言的bags或multisets很相似.
示例 使用Counter模块统计一段句子里面所有字符出现次数
from collections import Counter s = ''' A Counter is a dict subclass for counting hashable objects. It is an unordered collection where elements are stored as dictionary keys and their counts are stored as dictionary values. Counts are allowed to be any integer value including zero or negative counts. The Counter class is similar to bags or multisets in other languages. '''.lower() c = Counter(s) # 获取出现频率最高的4个字符 print(c.most_common(4)) # [(' ', 74), ('e', 32), ('s', 25), ('a', 24)]
OrderedDict
在Python中，dict这个数据结构由于hash的特性，是无序的，这在有的时候会给我们带来一些麻烦.
幸运的是，collections模块为我们提供了OrderedDict，当你要获得一个有序的字典对象时，用它就对了.
Python3.6版本以后的字典是有序的了.
简单示例
>>> from collections import OrderedDict >>> d = dict([('a', 1), ('b', 2), ('c', 3)]) >>> d # dict的Key是无序的 {'a': 1, 'c': 3, 'b': 2} >>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)]) >>> od # OrderedDict的Key是有序的 OrderedDict([('a', 1), ('b', 2), ('c', 3)])·
但要注意的是，OrderedDict的key是按照插入的顺序排列的，而不是Key本身排序：>>> od = OrderedDict() >>> od['z'] = 1 >>> od['y'] = 2 >>> od['x'] = 3 >>> od.keys() # 按照插入的Key的顺序返回 ['z', 'y', 'x']
defaultdict
一个示例
·
有这么一个集合：[1, 2, 3, 4, 5, 7, 8, 9]
将所有小于5的值保存至字典的第一个key中，大于5的值保存至第二个key中.
·
我们先来看看dict如何实现：lst = [1, 2, 3, 4, 5, 7, 8, 9] dct = {} for i in lst: key = 'k1' if i < 5 else 'k2' dct.setdefault(key, []).append(i)再来看看defaultdict如何实现：
from collections import defaultdict lst = [1, 2, 3, 4, 5, 7, 8, 9] dd = defaultdict(list) for i in lst: key = 'k1' if i < 5 else 'k2' dd[key].append(i) # defaultdict(<class 'list'>, {'k1': [1, 2, 3, 4], 'k2': [5, 7, 8, 9]})
还有，在使用Python原生的数据结构dict的时候，如果用
d[key]这样的方式访问， 当指定的key不存在时，是会抛出KeyError异常的.但是，如果使用defaultdict，只要你传入一个默认的工厂方法，那么请求一个不存在的key时， 便会调用这个工厂方法使用其结果来作为这个key的默认值.
>>> from collections import defaultdict >>> dd = defaultdict(lambda: 'N/A') >>> dd['name'] = "花千骨" >>> dd['name'] '花千骨' >>> dd['sex'] #'sex'不存在，将返回默认值 'N/A'
上面只是非常简单的介绍了一下collections模块的主要内容，主要目的就是当你碰到适合使用它们的场所时，能够记起并使用它们，起到事半功倍的效果.
如果想要对它们有一个更全面和深入了解的话，建议阅读官方文档和模块源码，Go.