作者|skura
来源|AI开发者
python 就像一件艺术珍藏品!
python 最大的优点之一是它可以广泛地选择模块和包。它们将 python 的功能扩展到许多流行的领域,包括机器学习、数据科学、web 开发、前端等等。其中最好的一个优点是 python 的内置 collections 模块。
在一般意义上,python 中的集合是用于存储数据集合(如 list、dict、tuple 和 set)的容器。这些容器直接构建在 python 中,可以直接调用。collections 模块提供额外的高性能数据类型,这些数据类型可以提高代码的性能。
让我们浏览一下 collections 模块最流行的数据类型以及如何使用它们吧!
1.counter
counter 是 dictionary 对象的一个子类。collections 模块中的 counter()函数接受 iterable,例如 list 或 tuple,并返回计数器字典。字典的键将是 iterable 的唯一元素,每个键的值将是 iterable 中元素的计数。
作为开始,让我们从集合导入计数器数据类型:
from collections import Counter
若要创建计数器对象,请将其分配给变量,这和任何其他对象类是一样的。你唯一想传给它的参数就是你的变量。
lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]
counter = Counter(lst)
如果我们在对象 print(counter)周围使用一个简单的 print 函数来打印计数器,我们会得到一个看起来有点像字典的东西:
Counter({1: 7, 2: 5, 3: 3})
你可以使用其 key 访问任何计数器项,如下所示。这与从标准 python 字典中提取元素的方法完全相同。
lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]
counter = Counter(lst)
print(counter[1])
most_common() 函数
到目前为止,计数器对象最有用的函数是 most_common() 函数。当它应用于计数器对象时,它返回 n 个最常见元素及其计数的列表,按从最常见到最少见的顺序排列。
lst = [1, 2, 3, 3, 2, 1, 1, 1, 2, 2, 3, 1, 2, 1, 1]
counter = Counter(lst)
print(counter.most_common(2))
上面的代码打印出以下元组列表:
[(1,7),(2,5)]
每个元组的第一个元素是列表中唯一的项,每个元组的第二个元素是计数。这是一种简单快捷的方法,比如「获取列表中最常见的前 3 个元素及其计数」。
要了解更多有关计数器功能的信息,请查看官方文档。
2.defaultdict
该函数的工作原理与普通的 python 字典完全相同,额外的好处是当你试图访问一个不存在的键时,它不会抛出错误。
相反,它使用默认值初始化 key。默认值是根据创建 DefaultDict 对象时作为参数传递的数据类型自动设置的。以下面的代码为例。
from collections import defaultdict
names_dict = defaultdict(int)
names_dict["Bob"] = 1
names_dict["Katie"] = 2
sara_number = names_dict["Sara"]
print(names_dict)
在上面的示例中,int 作为默认值传递给 defaultdict 对象。接下来,为每个键定义值,为键「bob」和「katie」定义数值。但在最后一行,我们试图访问一个尚未定义的 key,即「sara」。
在普通字典中,这会抛出一个错误。但是使用 defaultdict,一个新的 key 会自动初始化为「sara」,值为 0,对应于我们的 int 数据类型。因此,最后一行打印出一个包含所有 3 个名称和相应值的字典。
defaultdict(<class'int'>,{'bob':1,'katie':2,'sara':0})
如果我们用一个类似于这个名称的列表初始化 defaultdict,那么「sara」将用一个空列表 [] 初始化,代码将输出以下内容:
defaultdict(<class'int'>,{'bob':1,'katie':2,'sara':[]})
要了解更多有关 DefaultDict 功能的信息,请查看官方文档。
3.deque
队列是计算机科学中遵循先进先出(fifo)原则的基本数据结构。简单地说,这意味着添加到队列中的第一个对象也必须是要删除的第一个对象。我们只能在队列前面插入内容,只能从后面删除内容——队列中间不能执行任何操作。collections 库的 deque 实现了该功能的优化版本。该实现的一个关键特性是保持队列大小,即如果将队列的最大大小设置为 10,则 deque 将根据 fifo 原则添加和删除元素,以保持最大大小为 10。这是目前为止 python 中队列的最佳实现。
让我们从下面这个例子开始吧。我们要创建一个 deque 对象,然后用从 1 到 10 的整数初始化它。
from collections import deque
my_queue = deque(maxlen=10)
for i in range(10):
my_queue.append(i+1)
print(my_queue)
在上面的代码中,我们首先初始化了我们的 deque,指定我们希望它始终保持最大的长度 10。其次,我们通过循环将值插入到队列中。请注意,填充队列的功能与使用常规 python 列表完全相同。最后,我们打印出结果。
deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], maxlen=10)
因为我们的队列有一个 maxlen=10,并且我们的循环添加了 10 个元素,所以我们的队列包含从 1 到 10 的所有数字。现在让我们看看当我们增加更多的数字时会发生什么。
for i in range(10, 15):
my_queue.append(i+1)
print(my_queue)
上面的代码中,我们向队列中添加了另外 5 个元素,即从 11 到 15 的数字。但是我们的队列只有 maxlen=10,所以它必须删除一些元素。由于队列必须遵循 fifo 原则,因此它会删除插入队列的前 5 个元素,正是按照它们的插入顺序:[1、2、3、4、5]。print 语句的结果如下:
deque([6, 7, 8, 9, 10, 11, 12, 13, 14, 15], maxlen=10)
要了解更多有关 deque 的信息,请查看官方文档。
4.namedtuple
在 python 中创建常规元组时,其元素是通用的和未命名的。这迫使你记住每个元组元素的确切索引。namedtuple 就是这个问题的解决方案。
namedtuple()返回一个元组,该元组中每个位置的名称都是固定的,而 namedtuple 对象的名称是通用的。要使用 namedtuple,首先为它创建一个模板。下面的代码创建一个名为「person」的 namedtuple 模板,该模板具有「name」、「age」和「job」参数。
from collections import namedtuple
Person = namedtuple('Person', 'name age job')
创建模板后,可以使用它创建 namedtuple 对象。让我们为 2 个 person 创建 2 个 namedtuple 并打印出他们的表示。
Person = namedtuple('Person', 'name age job')
Mike = Person(name='Mike', age=30, job='Data Scientist')
Kate = Person(name="Kate", age=28, job='Project Manager')
print(Mike)
print(Kate)
上面的代码非常直截了当——我们用 namedtuple 模板的所有属性初始化一个「person」。上面的打印语句将给出以下结果:
Person(name='Mike', age=30, job='Data Scientist')
Person(name='Kate', age=28, job='Project Manager')
因此,namedtuples 允许更大的易用性、可读性和更容易组织元组对象。
要了解 namedtuple 的更多功能,请查看官方文档。
最后
好了,你学完这些啦!接下来你可以使用 collections 库使用 python 中的高性能数据类型了~如果你渴望更多,别担心!在 python 集合中还有很多东西需要学习,你还需要学习如何最有效地使用它们。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12