标签：ora unix 索引 ecif container www ash let rom
原文：https://www.cnblogs.com/dahu-daqing/p/7040490.html
参考老顽童博客,他写的很详细,例子也很容易操作和理解.
collections包含了一些特殊的容器，针对Python内置的容器，例如list、dict、set和tuple，提供了另一种选择；
namedtuple，可以创建包含名称的tuple；
deque，类似于list的容器，可以快速的在队列头部和尾部添加、删除元素；
Counter，dict的子类，计算可hash的对象；
OrderedDict，dict的子类，可以记住元素的添加顺序；
defaultdict，dict的子类，可以调用提供默认值的函数；
counter可以支持方便、快速的计数，例如，
from collections import *
cnt = Counter()
wordList = ["a","b","c","c","a","a"]
for word in wordList:
cnt[word] += 1
print cnt
控制台输出，
Counter({‘a‘: 3, ‘c‘: 2, ‘b‘: 1})
对可迭代的对象进行计数或者从另一个映射（counter）进行初始化，
>>> c = Counter()#一个新的，空的counter
>>> c
Counter()
>>> c = Counter("gallahad")#从可迭代的字符串初始化counter
>>> c
Counter({‘a‘: 3, ‘l‘: 2, ‘h‘: 1, ‘g‘: 1, ‘d‘: 1})
>>> c = Counter({‘red‘:4,‘blue‘:2})#从映射初始化counter
>>> c
Counter({‘red‘: 4, ‘blue‘: 2})
>>> c = Counter(cats = 4,dogs = 8)#从args初始化counter
>>> c
Counter({‘dogs‘: 8, ‘cats‘: 4})
Counter对象类似于字典，如果某个项缺失，会返回0，而不是报出KeyError；
>>> c = Counter([‘eggs‘,‘ham‘]) >>> c[‘bacon‘]#没有‘bacon‘ 0 >>> c[‘eggs‘]#有‘eggs‘ 1
将一个元素的数目设置为0，并不能将它从counter中删除，使用del可以将这个元素删除；
>>> c
Counter({‘eggs‘: 1, ‘ham‘: 1})
>>> c[‘eggs‘] = 0
>>> c
Counter({‘ham‘: 1, ‘eggs‘: 0})#‘eggs‘依然存在
>>> del c[‘eggs‘]
>>> c
Counter({‘ham‘: 1})#‘eggs‘不存在
Counter对象支持以下三个字典不支持的方法，elements()，most_common()，subtract()；
element()，返回一个迭代器，每个元素重复的次数为它的数目，顺序是任意的顺序，如果一个元素的数目少于1，那么elements()就会忽略它；
>>> c = Counter(a=2,b=4,c=0,d=-2,e = 1)
>>> c
Counter({‘b‘: 4, ‘a‘: 2, ‘e‘: 1, ‘c‘: 0, ‘d‘: -2})
>>> list(c.elements())
[‘a‘, ‘a‘, ‘b‘, ‘b‘, ‘b‘, ‘b‘, ‘e‘]
most_common()，返回一个列表，包含counter中n个最大数目的元素
，如果忽略n或者为None，most_common()将会返回counter中的所有元素，元素有着相同数目的将会以任意顺序排列；
>>> Counter(‘abracadabra‘).most_common(3) [(‘a‘, 5), (‘r‘, 2), (‘b‘, 2)] >>> Counter(‘abracadabra‘).most_common() [(‘a‘, 5), (‘r‘, 2), (‘b‘, 2), (‘c‘, 1), (‘d‘, 1)] >>> Counter(‘abracadabra‘).most_common(None) [(‘a‘, 5), (‘r‘, 2), (‘b‘, 2), (‘c‘, 1), (‘d‘, 1)]
subtract()，从一个可迭代对象中或者另一个映射（或counter）中，元素相减，类似于dict.update()，但是subtracts 数目而不是替换它们，输入和输出都有可能为0或者为负；
>>> c = Counter(a=4,b=2,c=0,d=-2)
>>> d = Counter(a=1,b=2,c=-3,d=4)
>>> c.subtract(d)
>>> c
Counter({‘a‘: 3, ‘c‘: 3, ‘b‘: 0, ‘d‘: -6})
update()，从一个可迭代对象中或者另一个映射（或counter）中所有元素相加，类似于dict.upodate，是数目相加而非替换它们，另外，可迭代对象是一个元素序列，而非(key,value)对构成的序列；
>>> c
Counter({‘a‘: 4, ‘b‘: 2, ‘c‘: 0, ‘d‘: -2})
>>> d
Counter({‘d‘: 4, ‘b‘: 2, ‘a‘: 1, ‘c‘: -3})
>>> c.update(d)
>>> c
Counter({‘a‘: 5, ‘b‘: 4, ‘d‘: 2, ‘c‘: -3})
Counter对象常见的操作，
>>> c
Counter({‘a‘: 5, ‘b‘: 4, ‘d‘: 2, ‘c‘: -3})
>>> sum(c.values())# 统计所有的数目
8
>>> list(c)# 列出所有唯一的元素
[‘a‘, ‘c‘, ‘b‘, ‘d‘]
>>> set(c)# 转换为set
set([‘a‘, ‘c‘, ‘b‘, ‘d‘])
>>> dict(c)# 转换为常规的dict
{‘a‘: 5, ‘c‘: -3, ‘b‘: 4, ‘d‘: 2}
>>> c.items()# 转换为(elem,cnt)对构成的列表
[(‘a‘, 5), (‘c‘, -3), (‘b‘, 4), (‘d‘, 2)]
>>> c.most_common()[:-4:-1]# 输出n个数目最小元素
[(‘c‘, -3), (‘d‘, 2), (‘b‘, 4)]
>>> c += Counter()# 删除数目为0和为负的元素
>>> c
Counter({‘a‘: 5, ‘b‘: 4, ‘d‘: 2})
>>> Counter(dict(c.items()))# 从(elem,cnt)对构成的列表转换为counter
Counter({‘a‘: 5, ‘b‘: 4, ‘d‘: 2})
>>> c.clear()# 清空counter
>>> c
Counter()
在Counter对象进行数学操作，得多集合（counter中元素数目大于0）加法和减法操作，是相加或者相减对应元素的数目；交集和并集返回对应数目的最小值和最大值；每个操作均接受暑促是有符号的数目，但是输出并不包含数目为0或者为负的元素；
>>> c = Counter(a=3,b=1,c=-2)
>>> d = Counter(a=1,b=2,c=4)
>>> c+d#求和
Counter({‘a‘: 4, ‘b‘: 3, ‘c‘: 2})
>>> c-d#求差
Counter({‘a‘: 2})
>>> c & d#求交集
Counter({‘a‘: 1, ‘b‘: 1})
>>> c | d#求并集
Counter({‘c‘: 4, ‘a‘: 3, ‘b‘: 2})
deque是栈和队列的一种广义实现，deque是"double-end queue"的简称；deque支持线程安全、有效内存地以近似O(1)的性能在deque的两端插入和删除元素，尽管list也支持相似的操作，但是它主要在固定长度操作上的优化，从而在pop(0)和insert(0,v)（会改变数据的位置和大小）上有O(n)的时间复杂度。
deque支持如下方法，
append(x)， 将x添加到deque的右侧；
appendleft(x)， 将x添加到deque的左侧；
clear()， 将deque中的元素全部删除，最后长度为0；
count(x)， 返回deque中元素等于x的个数；
extend(iterable)， 将可迭代变量iterable中的元素添加至deque的右侧；
extendleft(iterable)， 将变量iterable中的元素添加至deque的左侧，往左侧添加序列的顺序与可迭代变量iterable中的元素相反；
pop()， 移除和返回deque中最右侧的元素，如果没有元素，将会报出IndexError；
popleft()， 移除和返回deque中最左侧的元素，如果没有元素，将会报出IndexError；
remove(value)， 移除第一次出现的value，如果没有找到，报出ValueError；
reverse()， 反转deque中的元素，并返回None；
rotate(n)， 从右侧反转n步，如果n为负数，则从左侧反转，d.rotate(1)等于d.appendleft(d.pop())；
maxlen， 只读的属性，deque的最大长度，如果无解，就返回None；
除了以上的方法之外，deque还支持迭代、序列化、len(d)、reversed(d)、copy.copy(d)、copy.deepcopy(d)，通过in操作符进行成员测试和下标索引，索引的时间复杂度是在两端是O(1)，在中间是O(n)，为了快速获取，可以使用list代替。
>>> from collections import deque >>> d = deque(‘ghi‘)# 新建一个deque，有三个元素 >>> for ele in d:# 遍历deque ... print ele.upper() ... ... G H I >>> d.append(‘j‘)# deque右侧添加一个元素 >>> d.appendleft(‘f‘)# deque左侧添加一个元素 >>> d# 打印deque deque([‘f‘, ‘g‘, ‘h‘, ‘i‘, ‘j‘]) >>> d.pop()# 返回和移除最右侧元素 ‘j‘ >>> d.popleft()# 返回和移除最左侧元素 ‘f‘ >>> list(d)# 以列表形式展示出deque的内容 [‘g‘, ‘h‘, ‘i‘] >>> d[0]# 获取最左侧的元素 ‘g‘ >>> d[-1]# 获取最右侧的元素 ‘i‘ >>> list(reversed(d))# 以列表形式展示出倒序的deque的内容 [‘i‘, ‘h‘, ‘g‘] >>> ‘h‘ in d# 在deque中搜索 True >>> d.extend(‘jkl‘)# 一次添加多个元素 >>> d deque([‘g‘, ‘h‘, ‘i‘, ‘j‘, ‘k‘, ‘l‘]) >>> d.rotate(1)# 往右侧翻转 >>> d deque([‘l‘, ‘g‘, ‘h‘, ‘i‘, ‘j‘, ‘k‘]) >>> d.rotate(-1)# 往左侧翻转 >>> d deque([‘g‘, ‘h‘, ‘i‘, ‘j‘, ‘k‘, ‘l‘]) >>> deque(reversed(d))# 以逆序新建一个deque deque([‘l‘, ‘k‘, ‘j‘, ‘i‘, ‘h‘, ‘g‘]) >>> d.clear()# 清空deque >>> d.pop()# 不能在空的deque上pop Traceback (most recent call last): File "<input>", line 1, in <module> IndexError: pop from an empty deque >>> d.extendleft(‘abc‘)# 以输入的逆序向左扩展 >>> d deque([‘c‘, ‘b‘, ‘a‘])
其他的应用：
1.限定长度的deque提供了Unix中tail命令相似的功能；
from collections import deque
def tail(filename,n = 10):
"Return the last n lines of a file"
return deque(open(filename),n)
print tail("temp.txt",10)
2.使用deque维护一个序列（右侧添加元素，左侧删除元素）中窗口的平均值；
from collections import deque
import itertools
def moving_average(iterable,n = 3):
it = iter(iterable)
d = deque(itertools.islice(it,n-1))
# 第一次只有两个元素，再右移的过程中，需要先删除最左端的元素，因此现在最左端加入0
d.appendleft(0)
s = sum(d)
for ele in it:
# 删除最左端的元素，再加上新元素
s += ele - d.popleft()
# 右端添加新元素
d.append(ele)
yield s / float(n)
array = [40,30,50,46,39,44]
for ele in moving_average(array,n=3):
print ele
3.rotate()方法提供了一种实现deque切片和删除的方式，例如，del d[n]依赖于rotate方法的纯Python实现，如下，
from collections import deque
def delete_nth(d,n):
# 将前n个元素翻转到右侧
d.rotate(-n)
# 删除第n个元素
d.popleft()
# 再将后n个元素翻转到左侧
d.rotate(n)
d = deque("abcdefg")
delete_nth(d,n = 3)
print d
4.slice依赖于rotate方法的纯Python实现，如下，
from collections import deque
def slice(d,m,n):
# 先将前面m个元素翻转到右侧
d.rotate(-m)
i = m
sliceList = []
# 依次将[m,n]区间内的元素出栈
while i < n:
item = d.popleft()
sliceList.append(item)
i+=1
# 再将出栈的元素扩展到deque右侧
d.extend(sliceList)
# 再将后面n个元素翻转到左侧
d.rotate(n)
return sliceList
d = deque("abcdefg")
print slice(d,1,5)
defaultdict是内置数据类型dict的一个子类，基本功能与dict一样，只是重写了一个方法__missing__(key)和增加了一个可写的对象变量default_factory。
>>> dir(defaultdict) [‘__class__‘, ‘__cmp__‘, ‘__contains__‘, ‘__copy__‘, ‘__delattr__‘, ‘__delitem__ ‘, ‘__doc__‘, ‘__eq__‘, ‘__format__‘, ‘__ge__‘, ‘__getattribute__‘, ‘__getitem__ ‘, ‘__gt__‘, ‘__hash__‘, ‘__init__‘, ‘__iter__‘, ‘__le__‘, ‘__len__‘, ‘__lt__‘, ‘__missing__‘, ‘__ne__‘, ‘__new__‘, ‘__reduce__‘, ‘__reduce_ex__‘, ‘__repr__‘, ‘ __setattr__‘, ‘__setitem__‘, ‘__sizeof__‘, ‘__str__‘, ‘__subclasshook__‘, ‘clear ‘, ‘copy‘, ‘default_factory‘, ‘fromkeys‘, ‘get‘, ‘has_key‘, ‘items‘, ‘iteritems‘ , ‘iterkeys‘, ‘itervalues‘, ‘keys‘, ‘pop‘, ‘popitem‘, ‘setdefault‘, ‘update‘, ‘v alues‘, ‘viewitems‘, ‘viewkeys‘, ‘viewvalues‘] >>> dir(dict) [‘__class__‘, ‘__cmp__‘, ‘__contains__‘, ‘__delattr__‘, ‘__delitem__‘, ‘__doc__‘ , ‘__eq__‘, ‘__format__‘, ‘__ge__‘, ‘__getattribute__‘, ‘__getitem__‘, ‘__gt__‘, ‘__hash__‘, ‘__init__‘, ‘__iter__‘, ‘__le__‘, ‘__len__‘, ‘__lt__‘, ‘__ne__‘, ‘_ _new__‘, ‘__reduce__‘, ‘__reduce_ex__‘, ‘__repr__‘, ‘__setattr__‘, ‘__setitem__‘ , ‘__sizeof__‘, ‘__str__‘, ‘__subclasshook__‘, ‘clear‘, ‘copy‘, ‘fromkeys‘, ‘get ‘, ‘has_key‘, ‘items‘, ‘iteritems‘, ‘iterkeys‘, ‘itervalues‘, ‘keys‘, ‘pop‘, ‘po pitem‘, ‘setdefault‘, ‘update‘, ‘values‘, ‘viewitems‘, ‘viewkeys‘, ‘viewvalues‘]
missing(key)
default_factory， 这个属性用于__missing__()方法，使用构造器中的第一个参数初始化；
使用list作为default_factory，很容易将一个key-value的序列转换为一个关于list的词典；
>>> from collections import * >>> s = [(‘yellow‘,1),(‘blue‘,2),(‘yellow‘,3),(‘blue‘,4),(‘red‘,5)] >>> d = defaultdict(list) >>> for k,v in s: d[k].append(v) ... >>> d.items() [(‘blue‘, [2, 4]), (‘red‘, [5]), (‘yellow‘, [1, 3])]
当每一个key第一次遇到时，还没有准备映射，首先会使用default_factory函数自动创建一个空的list，list.append()操作将value添加至新的list中，当key再次遇到时，通过查表，返回对应这个key的list，list.append()会将新的value添加至list，这个技术要比dict.setdefault()要简单和快速。
>>> e = {}
>>> for k,v in s: e.setdefault(k,[]).append(v)
...
>>> e.items()
[(‘blue‘, [2, 4]), (‘red‘, [5]), (‘yellow‘, [1, 3])]
设置default_factory为int，使得defaultdict可以用于计数，
>>> s = "mississippi" >>> d = defaultdict(int) >>> for k in s: d[k]+=1 ... >>> d.items() [(‘i‘, 4), (‘p‘, 2), (‘s‘, 4), (‘m‘, 1)]
当一个字母第一次遇到，默认从default_factory中调用int()用于提供一个默认为0的计数，递增操作会增加每个字母的计数。
函数int()经常返回0，是常量函数的一种特例。一种更快和更灵活的创建常量函数的方式是使用itertools.repeat()，可以提供任意常量值（不仅仅是0），
>>> import itertools >>> def constant_factory(value): ... return itertools.repeat(value).next ... >>> d = defaultdict(constant_factory(‘<missing>‘)) >>> d.update(name = "John",action = "ran") >>> "%(name)s %(action)s to %(object)s"%d ‘John ran to <missing>‘
将default_factory设置为set，使得defaultdict可以建立一个关于set的词典，
>>> s = [(‘red‘, 1), (‘blue‘, 2), (‘red‘, 3), (‘blue‘, 4), (‘red‘, 1), (‘blue‘, 4)] >>> d = defaultdict(set) >>> for k,v in s:d[k].add(v) ... >>> d.items() [(‘blue‘, set([2, 4])), (‘red‘, set([1, 3]))]
命名的元组，意味给元组中的每个位置赋予含义，意味着代码可读性更强，namedtuple可以在任何常规元素使用的地方使用，而且它可以通过名称来获取字段信息而不仅仅是通过位置索引。
>>> from collections import *
>>> Point = namedtuple(‘Point‘,[‘x‘,‘y‘],verbose = True)
class Point(tuple):
‘Point(x, y)‘
__slots__ = ()
_fields = (‘x‘, ‘y‘)
def __new__(_cls, x, y):
‘Create new instance of Point(x, y)‘
return _tuple.__new__(_cls, (x, y))
@classmethod
def _make(cls, iterable, new=tuple.__new__, len=len):
‘Make a new Point object from a sequence or iterable‘
result = new(cls, iterable)
if len(result) != 2:
raise TypeError(‘Expected 2 arguments, got %d‘ % len(result))
return result
def __repr__(self):
‘Return a nicely formatted representation string‘
return ‘Point(x=%r, y=%r)‘ % self
def _asdict(self):
‘Return a new OrderedDict which maps field names to their values‘
return OrderedDict(zip(self._fields, self))
def _replace(_self, **kwds):
‘Return a new Point object replacing specified fields with new values‘
result = _self._make(map(kwds.pop, (‘x‘, ‘y‘), _self))
if kwds:
raise ValueError(‘Got unexpected field names: %r‘ % kwds.keys())
return result
def __getnewargs__(self):
‘Return self as a plain tuple. Used by copy and pickle.‘
return tuple(self)
__dict__ = _property(_asdict)
def __getstate__(self):
‘Exclude the OrderedDict from pickling‘
pass
x = _property(_itemgetter(0), doc=‘Alias for field number 0‘)
y = _property(_itemgetter(1), doc=‘Alias for field number 1‘)
>>> p = Point(11,y = 22)# 实例化一个对象，可以使用位置或者关键字 >>> p[0] + p[1]# 通过索引访问元组中的元素 33 >>> x,y = p# 分开，类似于常规的元组 >>> x,y (11, 22) >>> p.x + p.y# 通过名称访问元素 33 >>> p# 可读的__repr__，通过name = value风格 Point(x=11, y=22)
namedtuple在给csv或者sqlite3返回的元组附上名称特别有用，
from collections import *
import csv
EmployeeRecord = namedtuple(‘EmployeeRecord‘,‘name, age, title, department, paygrade‘)
for emp in map(EmployeeRecord._make,csv.reader(open("employee.csv","rb"))):
print emp.name,emp.title
# import sqlite3
# conn = sqlite3.connect(‘/companydata‘)
# cursor = conn.cursor()
# cursor.execute(‘SELECT name, age, title, department, paygrade FROM employees‘)
# for emp in map(EmployeeRecord._make, cursor.fetchall()):
# print emp.name, emp.title
控制台输出，
Jim RD Tom Manager
除了从tuples继承的方法之外，namedtuple还支持三种方法和一个属性，为了避免和名称冲突，这些方法和属性以下划线开始。
**somenamedtuple._make()，** 从已有的序列或者可迭代的对象中创建一个新的对象；
>>> Point = namedtuple(‘Point‘, [‘x‘, ‘y‘]) >>> t = [33,44] >>> Point._make(t) Point(x=33, y=44)
**somenamedtuple._asdict()，** 返回一个OrderDict，由名称到对应值建立的映射；
>>> p = Point(x = 11,y = 22) >>> p Point(x=11, y=22) >>> pDict = p._asdict() >>> pDict OrderedDict([(‘x‘, 11), (‘y‘, 22)])
**somenamedtuple._replace()，** 返回一个新的namedtuple对象，用新值替换指定名称中的值；
>>> p2 = p._replace(x = 33) >>> p2 Point(x=33, y=22)
**somenamedtuple._fields，** 以字符串构成的元组的形式返回namedtuple中的名称，在自省或者基于一个已经存在的namedtuple中创建新的namedtuple时，非常有用；
>>> p._fields (‘x‘, ‘y‘) >>> Color = namedtuple(‘Color‘,"red green blu") >>> Pixel = namedtuple(‘Pixel‘,Point._fields + Color._fields) >>> Pixel(11,22,128,255,0) Pixel(x=11, y=22, red=128, green=255, blu=0)
当名称存储在字符串中，可以使用getattr()函数进行检索，
>>> getattr(p,‘x‘) 11
使用**操作符，可以将一个字典转换成namedtuple，
>>> d = {‘x‘:11,‘y‘:22}
>>> Point(**d)
Point(x=11, y=22)
由于namedtuple也是Python中的一个类，因此再子类中，它很容易添加或者修改一些功能，如下是添加一个可计算名称和固定长度的输出格式；子类中的__slots__是一个空的元组，可以通过避免词典实例的创建来节约内存开销；
class Point(namedtuple(‘Point‘,‘x y‘)):
__slots__ = ()
@property
def hypot(self):
return (self.x ** 2 + self.y**2) ** 0.5
def __str__(self):
return "Point:x = %6.3f y = %6.3f hypot = %6.3f" %(self.x,self.y,self.hypot)
for p in Point(3,4),Point(14,5/7.):
print p
控制台输出，
Point:x = 3.000 y = 4.000 hypot = 5.000 Point:x = 14.000 y = 0.714 hypot = 14.018
子类在增加、存储名称时，并不是非常有用，相反，可以容易地通过_fields属性来创建一个新的namedtuple；
>>> Point3D = namedtuple("Point3D",Point._fields + (‘z‘,))
>>> Point3D._fields
(‘x‘, ‘y‘, ‘z‘)
默认值可以通过_replace()来实现，以便于标准化一个原型实例；
>>> Account = namedtuple(‘Account‘,‘owner balance transaction_count‘) >>> default_account = Account(‘<owner name>‘,0.0,0) >>> johns_account = default_account._replace(owner = "John") >>> johns_account Account(owner=‘John‘, balance=0.0, transaction_count=0)
枚举类型常量可以通过namedtuple来实现，更简单和有效的方式是通过意见简单的类声明；
Status = namedtuple(‘Status‘,‘open pending closed‘)._make(range(3)) print Status class Status: open, pending, closed = range(3) print Status.open print Status.pending print Status.closed
控制台输出，
Status(open=0, pending=1, closed=2) 0 1 2
OrderedDict类似于正常的词典，只是它记住了元素插入的顺序，当在有序的词典上迭代时，返回的元素就是它们第一次添加的顺序。
class collections.OrderedDict，返回已给dict的子类，支持常规的dict的方法，OrderedDict是一个记住元素首次插入顺序的词典，如果一个元素重写已经存在的元素，那么原始的插入位置保持不变，如果删除一个元素再重新插入，那么它就在末尾。
OrderedDict.popitem(last=True)，popitem方法返回和删除一个(key,value)对，如果last=True，就以LIFO方式执行，否则以FIFO方式执行。
OrderedDict也支持反向迭代，例如reversed()。
OrderedDict对象之间的相等测试，例如，list(od1.items()) == list(od2.items())，是对顺序敏感的；OrderedDict和其他的映射对象（例如常规的词典）之间的相等测试是顺序不敏感的，这就允许OrderedDict对象可以在使用常规词典的地方替换掉常规词典。
OrderedDict构造器和update()方法可以接受关键字变量，但是它们丢失了顺序，因为Python的函数调用机制是将一个无序的词典传入关键字变量。
一个有序的词典记住它的成员插入的顺序，可以使用排序函数，将其变为排序的词典，
>>> d = {"banana":3,"apple":2,"pear":1,"orange":4}
>>> # dict sorted by key
>>> OrderedDict(sorted(d.items(),key = lambda t:t[0]))
OrderedDict([(‘apple‘, 2), (‘banana‘, 3), (‘orange‘, 4), (‘pear‘, 1)])
>>> # dict sorted by value
>>> OrderedDict(sorted(d.items(),key = lambda t:t[1]))
OrderedDict([(‘pear‘, 1), (‘apple‘, 2), (‘banana‘, 3), (‘orange‘, 4)])
>>> # dict sorted by length of key string
>>>a = OrderedDict(sorted(d.items(),key = lambda t:len(t[0])))
>>>a
OrderedDict([(‘pear‘, 1), (‘apple‘, 2), (‘orange‘, 4), (‘banana‘, 3)])
>>> del a[‘apple‘]
>>> a
OrderedDict([(‘pear‘, 1), (‘orange‘, 4), (‘banana‘, 3)])
>>> a["apple"] = 2
>>> a
OrderedDict([(‘pear‘, 1), (‘orange‘, 4), (‘banana‘, 3), (‘apple‘, 2)])
当元素删除时，排好序的词典保持着排序的顺序；但是当新元素添加时，就会被添加到末尾，就不能保持已排序。
创建一个有序的词典，可以记住最后插入的key的顺序，如果一个新的元素要重写已经存在的元素，那么原始的插入位置就会改变成末尾，
>>> class LastUpdatedOrderedDict(OrderedDict): ... def __setitem__(self,key,value): ... if key in self: ... del self[key] ... OrderedDict.__setitem__(self, key, value) ... >>> obj = LastUpdatedOrderedDict() >>> obj["apple"] = 2 >>> obj["windows"] = 3 >>> obj LastUpdatedOrderedDict([(‘apple‘, 2), (‘windows‘, 3)]) >>> obj["apple"] = 1 >>> obj LastUpdatedOrderedDict([(‘windows‘, 3), (‘apple‘, 1)])
一个有序的词典可以和Counter类一起使用，counter对象就可以记住元素首次出现的顺序；
class OrderedCounter(Counter,OrderedDict):
def __repr__(self):
return "%s(%r)"%(self.__class__.__name__,OrderedDict(self))
def __reduce__(self):
return self.__class__,(OrderedDict(self))
#和OrderDict一起使用的Counter对象
obj = OrderedCounter()
wordList = ["b","a","c","a","c","a"]
for word in wordList:
obj[word] += 1
print obj
# 普通的Counter对象
cnt = Counter()
wordList = ["b","a","c","a","c","a"]
for word in wordList:
cnt[word] += 1
print cnt
控制台输出，
OrderedCounter(OrderedDict([(‘b‘, 1), (‘a‘, 3), (‘c‘, 2)]))
Counter({‘a‘: 3, ‘c‘: 2, ‘b‘: 1})
8.3. collections — High-performance container datatypes
标签：ora unix 索引 ecif container www ash let rom
原文地址：https://www.cnblogs.com/liujiacai/p/9754610.html
