本文目录一览:
- python3什么是deque容器
- Python中的collections模块详解
- Python中冷门但非常好用的内置函数
- python deque是列表吗
- python3中如何用deque判断队列是否为空
- deque是一种什么数据类型
python3什么是deque容器
deque
(双端队列)是一种支持向两端高效地插入数据、支持随机访问的容器。
使用方法参考
Python中的collections模块详解
其他关于Python的总结文章请访问:
collections
模块给出了 Python 中一些功能更加强大的数据结构、集合类。
顾名思义,namedtuple
就是有了名字的 tuple
,声明一个 namedtuple
类的时候可以传入两个参数,第一个是这个 tuple
的名字,第二个是一个 str
的列表,依次说明其中每一个元素的名称:
运行结果:
再比如,使用一个 namedtuple
来存储一个马尔可夫决策过程(Markov Decision Process,MDP)模型:
deque
是一个双向列表,非常适用于队列和栈。因为普通的 list
是一个线性结构,使用索引访问元素时非常快,但是对于插入和删除就比较慢。所以 deque
可以提高插入和删除的效率,可以使用 list(a_deque)
将 deque
转换成 list
。
常用的方法:
一个例子:
运行结果:
defaultdict
是给不存在的 key
分配一个默认值的字典。和普通的 dict
相比,如果遇到 key
不存在的情况,不会抛出 KeyError
,而是返回默认值。其他的行为和 dict
一模一样:
运行结果为:
正如其名字所说,OrderedDict
是一个有序的字典。普通的 dict
中的 key
是没有顺序的,即我们遍历一个字典的时候是不知道它所遍历的顺序的。单独 OrderedDict
为 key
进行了排序,顺序就是插入键的顺序,后插入的排在后边,这样在遍历的时候就有了顺序:
运行结果为:
ChainMap
是一个将多个 dict
按照顺序串起来的数据结构。在查找字典中的某一个键所对应的值的时候,先从 ChainMap
中的第一个字典查起,如果该字典有该 key
,就返回对应的值,没有就依次往后查找后面的 dict
。
获得的结果为:
Counter
是一个计数器,它是 dict
的一个子类,可以根据键来区别记录多个不同的计数,相当于一个计数器集合,还可以通过 update
函数一次性更新多个计数器:
得到的结果:
Python中冷门但非常好用的内置函数
Python中有许多内置函数,不像 print
、len
那么广为人知,但它们的功能却异常强大,用好了可以大大提高代码效率,同时提升代码的简洁度,增强可阅读性。
Counter
collections
在 Python 官方文档中的解释是 High-performance container datatypes,直接的中文翻译解释为高性能容量数据类型。这个模块实现了特定目标的容器,以提供 Python 标准内建容器 dict
、list
、set
和 tuple
的替代选择。在 Python 3.10.1 中它总共包含以下几种数据类型:
容器名 | 简介 |
---|---|
namedtuple() | 创建命名元组子类的工厂函数 |
deque | 类似列表(list)的容器,实现了在两端快速添加(append)和弹出(pop) |
ChainMap | 类似字典(dict)的容器类,将多个映射集合到一个视图里面 |
Counter | 字典的子类,提供了可哈希对象的计数功能 |
OrderedDict | 字典的子类,保存了它们被添加的顺序 |
defaultdict | 字典的子类,提供了一个工厂函数,为字典查询提供一个默认值 |
UserDict | 封装了字典对象,简化了字典子类化 |
UserList | 封装了列表对象,简化了列表子类化 |
UserString | 封装了字符串对象,简化了字符串子类化 |
其中 Counter 中文意思是计数器,也就是我们常用于统计的一种数据类型,在使用 Counter 之后可以让我们的代码更加简单易读。Counter 类继承 dict 类,所以它能使用 dict 类里面的方法。 |
|
举例: |
# 统计词频
fruits = ['apple', 'peach', 'apple', 'lemon', 'peach', 'peach']
result = {}
for fruit in fruits:
if not result.get(fruit):
result[fruit] = 1
else:
result[fruit] += 1
print(result)
# {'apple': 2, 'peach': 3, 'lemon': 1}
# 使用 Counter 实现
from collections import Counter
fruits = ['apple', 'peach', 'apple', 'lemon', 'peach', 'peach']
c = Counter(fruits)
print(dict(c))
# {'apple': 2, 'peach': 3, 'lemon': 1}
elements()
返回一个迭代器,其中每个元素将重复出现计数值所指定次。元素会按首次出现的顺序返回。如果一个元素的计数值小于 1,elements()
将会忽略它。
c = Counter(a=4, b=2, c=0, d=-2)
sorted(c.elements())
# ['a', 'a', 'a', 'a', 'b', 'b']
most_common([n])
返回一个列表,其中包含 n
个最常见的元素及出现次数,按常见程度由高到低排序。如果 n
被省略或为 None
,most_common()
将返回计数器中的所有元素。计数值相等的元素按首次出现的顺序排序:
Counter('abracadabra').most_common(3)
# [('a', 5), ('b', 2), ('r', 2)]
这两个方法是 Counter
中最常用的方法,其他方法可以参考 Python 3.10.1 官方文档。
实战
Leetcode 1002. 查找共用字符
给你一个字符串数组 words
,请你找出所有在 words
的每个字符串中都出现的共用字符(包括重复字符),并以数组形式返回。你可以按任意顺序返回答案。
示例:
输入:words = ["bella", "label", "roller"]
输出:["e", "l", "l"]
输入:words = ["cool", "lock", "cook"]
输出:["c", "o"]
看到统计字符,典型的可以用 Counter
完美解决。这道题是找出字符串列表里面每个元素都包含的字符,首先可以用 Counter
计算出每个元素每个字符出现的次数,依次取交集最后得出所有元素共同存在的字符,然后利用 elements
输出共用字符出现的次数。
class Solution:
def commonChars(self, words: List[str]) -> List[str]:
from collections import Counter
ans = Counter(words[0])
for i in words[1:]:
ans &= Counter(i)
return list(ans.elements())
提交一下,发现 83 个测试用例耗时 48ms,速度还是不错的。
sorted
在处理数据过程中,我们经常会用到排序操作,比如将列表、字典、元组里面的元素正/倒排序。这时候就需要用到 sorted()
,它可以对任何可迭代对象进行排序,并返回列表。
对列表升序操作:
a = sorted([2, 4, 3, 7, 1, 9])
print(a)
# 输出:[1, 2, 3, 4, 7, 9]
对元组倒序操作:
sorted((4,1,9,6), reverse=True)
# 输出:[9, 6, 4, 1]
使用参数 key
,根据自定义规则,按字符串长度来排序:
fruits = ['apple', 'watermelon', 'pear', 'banana']
a = sorted(fruits, key=lambda x: len(x))
print(a)
# 输出:['pear', 'apple', 'banana', 'watermelon']
all
all()
函数用于判断给定的可迭代参数 iterable
中的所有元素是否都为 True
,如果是返回 True
,否则返回 False
。元素除了是 0
、空、None
、False
外都算 True
。注意:空元组、空列表返回值为 True
。
all(['a', 'b', 'c', 'd']) # 列表 list,元素都不为空或 0
# True
all(['a', 'b', '', 'd']) # 列表 list,存在一个为空的元素
# False
all([0, 1, 2, 3]) # 列表 list,存在一个为 0 的元素
# False
all(('a', 'b', 'c', 'd')) # 元组 tuple,元素都不为空或 0
# True
all(('a', 'b', '', 'd')) # 元组 tuple,存在一个为空的元素
# False
all((0, 1, 2, 3)) # 元组 tuple,存在一个为 0 的元素
# False
all([]) # 空列表
# True
all(()) # 空元组
# True
any
函数正好和 all
函数相反:判断一个 tuple 或者 list 是否全为空、0、False。如果全为空、0、False,则返回 False
;如果不全为空,则返回 True
。
F-strings
在 Python 3.6.2 版本中,PEP 498 提出一种新型字符串格式化机制,被称为“字符串插值”或者更常见的一种称呼是 F-strings。F-strings 提供了一种明确且方便的方式将 Python 表达式嵌入到字符串中来进行格式化:
s1 = 'Hello'
s2 = 'World'
print(f'{s1} {s2}!')
# Hello World!
def power(x):
return x * x
x = 4
print(f'{x} * {x} = {power(x)}')
# 4 * 4 = 16
而且 F-strings 的运行速度很快,比传统的 %-string 和 str.format()
这两种格式化方法都快得多,书写起来也更加简单。
本文主要讲解了 Python 几种冷门但好用的函数,更多内容以后会陆陆续续更新~
python deque是列表吗
列表是 list
。
deque
是一种双端队列,一般是限定插入和删除操作在表的两端进行的线性表。
可以在两头插入和弹出元素,和 list
很类似,不过一般用于多线程中。
python3中如何用deque判断队列是否为空
假设 deque
变量是 d
,可以直接用 if else
判断。
if d:
# 队列不为空
else:
# 队列为空
因为 Python 的 if
会把表达式转化为 bool
值,队列不为 None
并且长度不是零的时候表达式的值为 True
,否则为 False
。同理的还有其他 List
、Dict
类型等。
deque是一种什么数据类型
std::deque
简单说明:std::deque
是一个高效的双端队列,可以高效地进行插入和删除操作。
以 SGI C++ STL 为例:
deque
的基本结构是:有一个 map
,map
中的元素是一个记录了一个大小为 512 字节的线性容器。
std::deque 的构造方法:
std::deque<int> queInt; // 空队列
std::deque<int> queInt(10); // 长度为 10 的队列(其中元素被初始化为该类型的 0 值)
std::deque<int> queInt(10, 5); // 长度为 10 的队列(其中元素被初始化为该类型的 5)
std::deque<int> queIntTemp(10, 5); // 长度为 10 的队列(其中元素被初始化为该类型的 5)
std::deque<int> queInt(queIntTemp); // 以 queIntTemp 初始化 queInt
int nArray[] = {1, 2, 3, 4, 5};
std::deque<int> queInt(nArray, nArray + 5); // 注意这里是 nArray + 5,而不是 nArray + 4
插入数据的方法:
push_back
:末尾插入push_front
:前端插入
删除方法:
pop_front
pop_back
erase
clear