pin_drop当前位置:知识文库 ❯ 图文
Python collections模块详解 - 5大专用容器入门教程
一、概述
collections 是 Python 标准库中提供专用容器数据类型的模块，它在内置类型（dict、list、set、tuple）的基础上，提供了更高效、更专业的替代方案。collections 模块包含五个核心类：Counter（计数器）、defaultdict（默认字典）、OrderedDict（有序字典）、deque（双端队列）和 namedtuple（命名元组），以及一些辅助类。这些容器在特定场景下比内置类型更方便、更高效，是 Python 开发者必须掌握的工具集。
二、语法
各容器需要分别导入使用，也可以通过模块名访问：
代码示例
from collections import Counter, defaultdict, OrderedDict, deque, namedtuple代码示例
import collections
collections.Counter([1, 2, 3])
collections.defaultdict(list)三、参数说明
collections 模块的核心类概览：
其他实用类：
四、返回值
collections 模块本身不返回值，各类的构造和方法的返回值请参考对应的专项教程。
五、代码示例
示例1：各容器基本使用
代码示例
from collections import Counter, defaultdict, OrderedDict, deque, namedtuple
# Counter: 计数
counter = Counter("abracadabra")
print(f"Counter: {counter}")
print(f"最常见的3个: {counter.most_common(3)}")
# defaultdict: 默认值字典
dd = defaultdict(list)
dd["fruits"].append("apple")
dd["fruits"].append("banana")
print(f"\ndefaultdict: {dict(dd)}")
# OrderedDict: 有序字典
od = OrderedDict()
od["first"] = 1
od["second"] = 2
od["third"] = 3
print(f"\nOrderedDict: {od}")
# deque: 双端队列
dq = deque([1, 2, 3])
dq.appendleft(0)
dq.append(4)
print(f"\ndeque: {dq}")
# namedtuple: 命名元组
Point = namedtuple("Point", ["x", "y"])
p = Point(3, 4)
print(f"\nnamedtuple: {p}, x={p.x}, y={p.y}")输出：
代码示例
Counter: Counter({'a': 5, 'b': 2, 'r': 2, 'c': 1, 'd': 1})
最常见的3个: [('a', 5), ('b', 2), ('r', 2)]
defaultdict: {'fruits': ['apple', 'banana']}
OrderedDict: OrderedDict([('first', 1), ('second', 2), ('third', 3)])
deque: deque([0, 1, 2, 3, 4])
namedtuple: Point(x=3, y=4), x=3, y=4示例2：选择合适的容器
代码示例
from collections import Counter, defaultdict, deque, namedtuple
# 场景1：统计词频 -> Counter
text = "the quick brown fox jumps over the lazy dog the fox"
word_freq = Counter(text.split())
print("词频统计:")
for word, count in word_freq.most_common(3):
print(f" {word}: {count}")
# 场景2：分组数据 -> defaultdict
students = [("A班", "张三"), ("B班", "李四"), ("A班", "王五"), ("B班", "赵六")]
classes = defaultdict(list)
for cls, name in students:
classes[cls].append(name)
print(f"\n分组结果: {dict(classes)}")
# 场景3：滑动窗口 -> deque
def moving_average(data, window_size):
window = deque(maxlen=window_size)
averages = []
for value in data:
window.append(value)
if len(window) == window_size:
averages.append(sum(window) / window_size)
return averages
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(f"\n移动平均(窗口3): {moving_average(data, 3)}")输出：
代码示例
词频统计:
the: 3
fox: 2
quick: 1
分组结果: {'A班': ['张三', '王五'], 'B班': ['李四', '赵六']}
移动平均(窗口3): [2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0]示例3：容器组合使用
代码示例
from collections import Counter, defaultdict, namedtuple
# 定义数据结构
Record = namedtuple("Record", ["date", "category", "amount"])
# 模拟交易数据
transactions = [
Record("2024-01-01", "餐饮", 35),
Record("2024-01-01", "交通", 15),
Record("2024-01-02", "餐饮", 42),
Record("2024-01-02", "购物", 128),
Record("2024-01-02", "餐饮", 28),
Record("2024-01-03", "交通", 8),
Record("2024-01-03", "餐饮", 55),
]
# 按类别分组统计
category_totals = defaultdict(int)
category_counts = Counter()
for t in transactions:
category_totals[t.category] += t.amount
category_counts[t.category] += 1
print("消费统计:")
print(f"{'类别':6s} {'次数':4s} {'总额':6s} {'平均':6s}")
print("-" * 28)
for category in category_totals:
total = category_totals[category]
count = category_counts[category]
avg = total / count
print(f"{category:6s} {count:4d} {total:6d} {avg:6.1f}")输出：
代码示例
消费统计:
类别 次数 总额 平均
----------------------------
餐饮 4 160 40.0
交通 2 23 11.5
购物 1 128 128.0六、实际应用场景
-
数据分析：使用
Counter统计频率，使用defaultdict分组聚合 -
算法实现：使用
deque实现 BFS、滑动窗口，使用namedtuple定义数据结构 -
配置管理：使用
OrderedDict维护配置项顺序，使用defaultdict处理嵌套配置
七、注意事项
注意1：Python 3.7+ 的内置
dict已保证插入顺序，OrderedDict的主要优势在于其特有的方法（move_to_end、popitem）和显式的顺序语义。
注意2：
collections容器与内置类型的行为基本一致，但某些操作的性能特征不同。例如deque的两端操作为 O(1)，而list的头部操作为 O(n)。
注意3：
namedtuple是不可变的，创建后不能修改字段值。如需可变版本，可考虑使用dataclasses模块。
提示：在不确定选择哪种容器时，先使用内置类型，当发现性能瓶颈或代码不够清晰时，再考虑替换为
collections中的专用容器。
八、相关方法对比
九、小结
-
collections模块提供了五种专用容器：Counter、defaultdict、OrderedDict、deque、namedtuple -
每种容器针对特定场景优化，比内置类型更高效或更方便
-
Counter适合计数，defaultdict适合分组，deque适合队列，namedtuple适合轻量数据结构 -
选择容器时应根据场景需求，不必过度使用专用容器
十、练习题
练习1
编写一个函数，接受一个字符串列表，使用 Counter 找出出现频率最高的前 N 个元素。
练习2
使用 defaultdict 和 namedtuple 实现一个简单的学生成绩管理系统，支持按班级分组、计算平均分。
练习3
对比 deque 和 list 在头部插入 10000 个元素时的性能差异，使用 timeit 模块测量。
常见问题
collections模块需要额外安装吗？
不需要。collections 是 Python 标准库的一部分，安装 Python 后直接导入即可使用，无需通过 pip 安装。
Python 3.7+还需要使用OrderedDict吗？
Python 3.7+ 的内置 dict 已保证插入顺序。但 OrderedDict 仍有用武之地：它提供了 move_to_end()、反向迭代等特有方法，并且在比较时会考虑顺序。
deque相比list有什么优势？
deque 在两端进行插入和删除操作的时间复杂度都是 O(1)，而 list 在头部操作是 O(n)。当需要频繁在列表头部操作时，deque 性能优势明显。
namedtuple和普通元组有什么区别？
namedtuple 允许通过字段名访问元素（如 point.x），而不只是通过索引（如 point[0]），代码可读性更好。同时它也保留了元组的不可变特性。
ChainMap是什么？什么时候使用？
ChainMap 将多个字典链接成一个逻辑视图，查找时按顺序搜索每个字典。适用于多层配置合并（如默认配置 → 用户配置 → 环境变量），避免重复复制数据。
本文涉及AI创作
内容由AI创作，请仔细甄别
