摘要.
# 容器 Collections
=============================================
Python 附带一个模块，它包含许多容器数据类型，名字叫作collections。我们将讨论它的作用和用法。
我们将讨论的是：
- defaultdict
- counter
- deque
- namedtuple
- enum.Enum (包含在 Python 3.4 以上)
===============================
我个人使用defaultdict较多，与dict类型不同，你不需要检查key是否存在，所以我们能这样做：
from collections import defaultdict
colours \= (
('Yasoob', 'Yellow'),
('Ali', 'Blue'),
('Arham', 'Green'),
('Ali', 'Black'),
('Yasoob', 'Red'),
('Ahmed', 'Silver'),
)
favourite\_colours \= defaultdict(list)
for name, colour in colours:
favourite\_colours\[name\].append(colour)
print(favourite\_colours)
\# defaultdict(<type 'list'>,
\# {'Arham': \['Green'\],
\# 'Yasoob': \['Yellow', 'Red'\],
\# 'Ahmed': \['Silver'\],
\# 'Ali': \['Blue', 'Black'\]
\# })
另一种重要的是例子就是：当你在一个字典中对一个键进行嵌套赋值时，如果这个键不存在，会触发keyError异常。 defaultdict允许我们用一个聪明的方式绕过这个问题。 首先我分享一个使用dict触发KeyError的例子，然后提供一个使用defaultdict的解决方案。
问题：
some\_dict \= {}
some\_dict\['colours'\]\['favourite'\] \= "yellow"
\## 异常输出：KeyError: 'colours'
解决方案：
import collections
tree \= lambda: collections.defaultdict(tree)
some\_dict \= tree()
some\_dict\['colours'\]\['favourite'\] \= "yellow"
\## 运行正常
你可以用json.dumps打印出some_dict，例如：
import json
print(json.dumps(some\_dict))
\## 输出: {"colours": {"favourite": "yellow"}}
=======================
Counter 是一个计数器，它可以帮助我们针对某项数据进行计数。比如它可以用来计算每个人喜欢多少种颜色：
from collections import Counter
colours \= (
('Yasoob', 'Yellow'),
('Ali', 'Blue'),
('Arham', 'Green'),
('Ali', 'Black'),
('Yasoob', 'Red'),
('Ahmed', 'Silver'),
)
favs \= Counter(name for name, colour in colours)
print(favs)
\## 输出:
\## Counter({
\## 'Yasoob': 2,
\## 'Ali': 2,
\## 'Arham': 1,
\## 'Ahmed': 1
\## })
我们也可以在利用它统计一个文件，例如：
with open('filename', 'rb') as f:
line\_count \= Counter(f)
print(line\_count)
===================
deque 提供了一个双端队列，你可以从头 / 尾两端添加或删除元素。要想使用它，首先我们要从collections中导入deque模块：
from collections import deque
现在，你可以创建一个deque对象。
d \= deque()
它的用法就像 python 的list，并且提供了类似的方法，例如：
d \= deque()
d.append('1')
d.append('2')
d.append('3')
print(len(d))
\## 输出: 3
print(d\[0\])
\## 输出: '1'
print(d\[\-1\])
\## 输出: '3'
你可以从两端取出 (pop) 数据：
d \= deque(range(5))
print(len(d))
\## 输出: 5
d.popleft()
\## 输出: 0
d.pop()
\## 输出: 4
print(d)
\## 输出: deque(\[1, 2, 3\])
我们也可以限制这个列表的大小，当超出你设定的限制时，数据会从对队列另一端被挤出去 (pop)。 最好的解释是给出一个例子：
d \= deque(maxlen\=30)
现在当你插入 30 条数据时，最左边一端的数据将从队列中删除。
你还可以从任一端扩展这个队列中的数据：
d \= deque(\[1,2,3,4,5\])
d.extendleft(\[0\])
d.extend(\[6,7,8\])
print(d)
\## 输出: deque(\[0, 1, 2, 3, 4, 5, 6, 7, 8\])
=============================
您可能已经熟悉元组。 一个元组是一个不可变的列表，你可以存储一个数据的序列，它和命名元组 (namedtuples) 非常像，但有几个关键的不同。 主要相似点是都不像列表，你不能修改元组中的数据。为了获取元组中的数据，你需要使用整数作为索引：
man \= ('Ali', 30)
print(man\[0\])
\## 输出: Ali
嗯，那namedtuples是什么呢？它把元组变成一个针对简单任务的容器。你不必使用整数索引来访问一个namedtuples的数据。你可以像字典 (dict) 一样访问namedtuples，但namedtuples是不可变的。
from collections import namedtuple
Animal \= namedtuple('Animal', 'name age type')
perry \= Animal(name\="perry", age\=31, type\="cat")
print(perry)
\## 输出: Animal(name='perry', age=31, type='cat')
print(perry.name)
\## 输出: 'perry'
现在你可以看到，我们可以用名字来访问namedtuple中的数据。我们再继续分析它。一个命名元组 (namedtuple) 有两个必需的参数。它们是元组名称和字段名称。
在上面的例子中，我们的元组名称是Animal，字段名称是'name'，'age'和'type'。 namedtuple让你的元组变得自文档了。你只要看一眼就很容易理解代码是做什么的。 你也不必使用整数索引来访问一个命名元组，这让你的代码更易于维护。 而且，**namedtuple****的每个实例没有对象字典 **，所以它们很轻量，与普通的元组比，并不需要更多的内存。这使得它们比字典更快。
然而，要记住它是一个元组，属性值在namedtuple中是不可变的，所以下面的代码不能工作：
from collections import namedtuple
Animal \= namedtuple('Animal', 'name age type')
perry \= Animal(name\="perry", age\=31, type\="cat")
perry.age \= 42
\## 输出:
\## Traceback (most recent call last):
\## File "", line 1, in
\## AttributeError: can't set attribute
你应该使用命名元组来让代码自文档，它们向后兼容于普通的元组，这意味着你可以既使用整数索引，也可以使用名称来访问namedtuple：
from collections import namedtuple
Animal \= namedtuple('Animal', 'name age type')
perry \= Animal(name\="perry", age\=31, type\="cat")
print(perry\[0\])
\## 输出: perry
最后，你可以将一个命名元组转换为字典，方法如下：
from collections import namedtuple
Animal \= namedtuple('Animal', 'name age type')
perry \= Animal(name\="Perry", age\=31, type\="cat")
print(perry.\_asdict())
\## 输出: OrderedDict(\[('name', 'Perry'), ('age', 31), ...
====================================================
另一个有用的容器是枚举对象，它属于enum模块，存在于 Python 3.4 以上版本中（同时作为一个独立的 PyPI 包enum34供老版本使用）。Enums(枚举类型) 基本上是一种组织各种东西的方式。
让我们回顾一下上一个'Animal'命名元组的例子。 它有一个 type 字段，问题是，type 是一个字符串。 那么问题来了，万一程序员输入了Cat，因为他按到了 Shift 键，或者输入了'CAT'，甚至'kitten'？
枚举可以帮助我们避免这个问题，通过不使用字符串。考虑以下这个例子：
from collections import namedtuple
from enum import Enum
class Species(Enum):
cat \= 1
dog \= 2
horse \= 3
aardvark \= 4
butterfly \= 5
owl \= 6
platypus \= 7
dragon \= 8
unicorn \= 9
\# 依次类推
\# 但我们并不想关心同一物种的年龄，所以我们可以使用一个别名
kitten \= 1 \# (译者注：幼小的猫咪)
puppy \= 2 \# (译者注：幼小的狗狗)
Animal \= namedtuple('Animal', 'name age type')
perry \= Animal(name\="Perry", age\=31, type\=Species.cat)
drogon \= Animal(name\="Drogon", age\=4, type\=Species.dragon)
tom \= Animal(name\="Tom", age\=75, type\=Species.cat)
charlie \= Animal(name\="Charlie", age\=2, type\=Species.kitten)
\>>\> charlie.type \== tom.type
True
\>>\> charlie.type
<Species.cat: 1\>
这样就没那么容易错误，我们必须更明确，而且我们应该只使用定义后的枚举类型。
有三种方法访问枚举数据，例如以下方法都可以获取到'cat'的值：
Species(1)
Species\['cat'\]
Species.cat
这只是一个快速浏览collections模块的介绍，建议你阅读本文最后的官方文档。
https://eastlakeside.gitbook.io/interpy-zh/collections