array

Python不僅僅可以使用內(nèi)置的list實現(xiàn)數(shù)組，還支持像C語言那樣的指定類型的原生數(shù)組array。很顯然，因為list可以存儲各種類型的對象，而array只存儲一個指定的原生類型，所以當數(shù)據(jù)量較大時，原生array在內(nèi)存占用方面要比list小。而且array不像C語言里那樣在定義時就限制了大小，它支持list所支持的各種常用函數(shù)。相比之下Python的array更像是C++的vector。

from array import arrayl = list(range(100))a = array.fromlist(l)print(l.__sizeof__(), a.__sizeof__())

目前array有兩個限制。首先，它只支持整數(shù)、小數(shù)、unicode字符，而不能像C++的vector那樣支持多種數(shù)據(jù)類型。另外目前指定類型比較麻煩，我們需要使用類型對應的字母縮寫來指定，而不能使用簡單的諸如int，float的方式。

a = array(’i’)a.append(1)a.append(4)Type code C Type Python Type Minimum size in bytes ’b’ signed char int 1 ’B’ unsigned char int 1 ’u’ wchar_t Unicode character 2 ’h’ signed short int 2 ’H’ unsigned short int 2 ’i’ signed int int 2 ’I’ unsigned int int 2 ’l’ signed long int 4 ’L’ unsigned long int 4

更詳細的信息可以參考：https://docs.python.org/3.8/library/array.html

defaultdict

C++的map對于新的key會自動使用value type的默認構造函數(shù)構造一個值，而Python默認的dict對于不存在的key的訪問會拋出異常（賦值除外）。這是因為Python不知道value的類型，所以沒辦法為我們默認構造。defaultdict要求我們在構造時指定一個類型，然后會自動根據(jù)需要初始化value。這樣我們就可以使用簡單的代碼來實現(xiàn)很多功能。

下面的代碼，我對比了使用defaultdict和original dict實現(xiàn)將學生按照姓的首字母分組的功能，以及分類計數(shù)的功能。

import collectionsstudents = [’Zhang San’, ’Li Si’, ’Zhou liu’, ’Chen qi’, ’Cheng ba’]# using defaultdictdd = collections.defaultdict(list)for s in students:key = s[0]dd[key].append(s)print(dd)# using original dict (method 1)od = {}for s in students:key = s[0]if key not in do:od[key] = []od[key].append(s)print(od)scores = [’A’, ’B’, ’C’, ’A’, ’A’, ’B’, ’C’, ’B’, ’A’, ’A’]# using defaultdictdd = collections.defaultdict(int)for s in scores :dd[s] += 1print(dd)# using original dict (method 2)od = collections.defaultdict(int)for s in scores :if s not in do:do[s] = 1else:do[s] += 1print(od)Named Tuple

編程實踐中我們經(jīng)常需要創(chuàng)建一些小的數(shù)據(jù)結構用來整合一組相關聯(lián)的數(shù)據(jù)，簡單的比如地理坐標的經(jīng)緯度，顏色的RGB值或者矩形框的左上和右下坐標，復雜的比如構造一個窗口的一組參數(shù)。實踐中，我們通常有3中實現(xiàn)方法：

對每一個這樣的數(shù)據(jù)結構創(chuàng)建一個class。優(yōu)點是可以直接使用名字訪問數(shù)據(jù)成員，而且支持復雜的訪問邏輯和數(shù)據(jù)操作。缺點是需要編寫對應的類和必須的函數(shù)，管理文件和引用關系。 使用tuple。優(yōu)點是編寫簡單，內(nèi)存使用效率高。缺點是只能使用下標訪問，可讀性差，容易出錯。 使用dict，用str來作為對于屬性的名字。優(yōu)點是編寫相對簡單，而且保留了變量的名字。缺點是需要使用字符串表示名字較為麻煩，而且每一個結構都要保存作為名字的字符串，浪費空間。

collections的nametuple可以為我們直接構造一個具有名字的簡單類型，方便快捷地實現(xiàn)類似手寫了一個class的效果。需要注意的是collections.nametuple是一個factory function，它用來幫我們創(chuàng)建一個類型，而不是這個類型的具體對象。創(chuàng)建類型時，我們可以指定各個屬性的名字，之后就可以使用.來訪問了，而且它同時還支持使用下標訪問。同時Named Tuple還支持_asdict函數(shù)用來將內(nèi)部的數(shù)值轉換成一個dict。

# classclass Rect:def __init__(self, x1, y1, x2, y2):self.x1 = x1self.y1 = y1self.x2 = x2self.y2 = y2def area_class(r):w = r.x2 - r.x1h = r.y2 - r.y1return w*hr1 = Rect(1,3,5,5)# <__main__.Rect object at 0x7fde252a87f0># to show its content, we need to implement __repr__(self) or __str__(self)print(area_class(r1))# tupledef area_tuple(r):w = r[2]-r[0]h = r[3]-r[1]return w*hr2 = (1,3,5,5)print(r2)# (1, 3, 5, 5)print(area_tuple(r2))# dictdef area_dict(r):w = r['x2'] - r['x1']h = r['y2'] - r['y1']return w*hr3 = {'x1':1, 'y1':3, 'x2':5, 'y2':5}print(r3)# {’x1’: 1, ’y1’: 3, ’x2’: 5, ’y2’: 5}print(area_tuple(r3))# named tupleimport collectionsRectangle = collections.namedtuple('Rectangle', ['x1', 'y1', 'x2', 'y2'])def area_namedtuple(r):w = r.x2 - r.x1y = r.y2 - r.y1return w*hr4 = Rectangle(1,3,5,5)print(r4)# Rectangle(x1=1, y1=3, x2=5, y2=5)x1,y2,x2,y2 = r4print(x1,y2,x2,y2)# 1 3 5 5print(area_namedtuple(r4))print(area_class(r4)) # work with '.' grammarprint(area_tuple(r4)) # work with indexprint(area_dict(r4._asdict())) # work with dictCounter

顧名思義，Counter是用來對元素進行計數(shù)的，它也是collections這個包里的。根據(jù)Python的官方文檔，它是dict類型的一個子類。在構造的時候輸入一個iterable的類型，比如list，range或是一個mapping的類型，比如dict，defaultdict。然后Counter就會對其中的元素進行計數(shù)。比較特殊的是，Counter對負數(shù)沒有做特殊處理，就是說在特殊操作下允許出現(xiàn)測試為負，后面我們會有例子。

c = Counter() # a new, empty counterc = Counter(’gallahad’) # a new counter from an iterableprint(c)# Counter({’a’: 3, ’l’: 2, ’g’: 1, ’h’: 1, ’d’: 1})c = Counter({’red’: 4, ’blue’: 2}) # a new counter from a mappingprint(c)# Counter({’red’: 4, ’blue’: 2})c = Counter(cats=4, dogs=8) # a new counter from keyword argsprint(c)# Counter({’dogs’: 8, ’cats’: 4})

除了基本的計數(shù)功能，它還支持一些常用的相關功能。比如：

按照頻率排序（most_common([n])）。其中n是可選輸入，表示返回前n個最頻繁的元素和他們的頻率。默認情況下返回所有的元素。 按照頻率輸出元素本身（elements()）。它會返回元素本身，但是元素的順序不是原來的，相同的元素會連續(xù)輸出。不同元素之間，按照他們的出現(xiàn)順序輸出，這一點是OrderedDict以及3.7之后的dict所提供的特性。 兩個Counter相減（substract(c)）。它可以從第一個counter上減去第二個counter中對應元素出現(xiàn)的次數(shù)。對于只出現(xiàn)在第二個coutner中元素，默認其在第一個counter中出現(xiàn)0次。

c = Counter(a=4, b=2, c=0, d=-2)sorted(c.elements())# [’a’, ’a’, ’a’, ’a’, ’b’, ’b’]Counter(’abracadabra’).most_common(3)# [(’a’, 5), (’b’, 2), (’r’, 2)]c1 = Counter(a=4, b=2, d=-2)c2 = Counter(a=1, b=2, c=3, d=4)c1.subtract(c2)c1# Counter({’a’: 3, ’b’: 0, ’c’: -3, ’d’: -6})

更多的參考信息大家可以參考官方文檔：

https://docs.python.org/3/library/collections.html

以上就是4種非常實用的python內(nèi)置數(shù)據(jù)結構的詳細內(nèi)容，更多關于python內(nèi)置數(shù)據(jù)結構的資料請關注好吧啦網(wǎng)其它相關文章！