Python 常用内置库
笔记
本文记录了 python 常用内置库，写本篇 blog 本意为复习 ShanghaiTech SI100B MidTerm。
collections
信息
Python 内置了很多数据类型和方法，Collections 在其基础上提供了额外的高性能数据类型和方法，熟练此库可大大简化 Python 代码和实现难度。
模块子类
用 collections.__all__ 查看所有子类。
查看所有子类
import collections
print(collections.__all__) # ['ChainMap', 'Counter', 'OrderedDict', 'UserDict', 'UserList', 'UserString', 'defaultdict', 'deque', 'namedtuple']共有九个子类，作用如下
| 子类 | 作用 |
|---|---|
| nametuple() | 创建命名元组子类的工厂函数，生成可以使用名字来访问元素内容的 tuple 子类 |
| deque | 双端队列 |
| 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，保存了他们被添加的顺序，有序字典 |
| 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 |
本文将介绍 Counter、deque、defaultdict 这三个好用且常用的子类。
计数器 - Counter
一个计数器工具提供快速且方便的计数，Counter 是一个 dict 的子类，用于 计数可哈希对象。它是一个集合，元素以字典键(key)存储，计数为值。
统计各单词出现次数
from collections import Counter
data = ['blue', 'red', 'blue', 'green', 'red', 'red']
print(Counter(data)) # Counter({'red': 3, 'blue': 2, 'green': 1})当然，可通过 .items() 转为可迭代对象
转为可迭代对象
from collections import Counter
data = ['blue', 'red', 'blue', 'green', 'red', 'red']
c = Counter(data)
print(c)
for key, value in c.items():
print(key, value)
sorted_items = sorted(c.items(), key = lambda x: x[1])
print(sorted_items)可哈希对象可太多了
其他可哈希对象
from collections import Counter
# 字符串
print(Counter('applications')) # Counter({'a': 2, 'p': 2, 'i': 2, 'l': 1, 'c': 1, 't': 1, 'o': 1, 'n': 1, 's': 1})
# 字典
print(Counter({'red': 4, 'blue': 2})) # Counter({'red': 4, 'blue': 2})
# 不明对象
print(Counter(dogs=114, cats=514)) # Counter({'cats': 514, 'dogs': 114})elements()
返回一个迭代器，每个元素将重复出现计数值次，按照元素首次出现的顺序返回。如果计数值小于 ，elements() 将忽略它。
演示
from collections import Counter
data = ['blue', 'red', 'blue', 'green', 'red', 'red']
c = Counter(data)
print(list(c.elements())) # ['blue', 'blue', 'red', 'red', 'red', 'green']most_common(n: int)
返回一个列表，其中包含 个最常见的元素及出现次数，由高到低排序，计数值相等的元素按首次出现的顺序排序。
演示
from collections import Counter
data = ['blue', 'red', 'blue', 'green', 'red', 'red']
c = Counter(data)
print(c.most_common(2))subtract(c: collections.Counter)
从迭代对象减去元素
演示
from collections import Counter
c = Counter(a=4, b=2, c=0, d=-2)
d = Counter(a=1, b=2, c=3, d=4)
c.subtract(d)
print(c)字典方法
通常字典方法都可用于 Counter 对象，除了有两个方法工作方式与字典不同。
fromkeys(iterable)
这个类方法没有在 Counter 中实现。
update([iterable-or-mapping])
从迭代对象计数元素或者从另一个映射对象（或计数器）添加。像 dict.update()，但是是加上，而不是替换。另外，迭代对象应该是序列元素，而不是一个 (key, value) 对。
演示
from collections import Counter
data = ['blue', 'red', 'blue', 'green', 'red', 'red']
c = Counter(data)
print(c.values())
print(sum(c.values()))
print(list(c))
print(set(c))
print(dict(c))
print(c.items())双端队列 - deque
双端队列可以快速地从任意一端添加和弹出对象。
append(x)
添加 x 到右端。
演示
from collections import deque
d = deque('abc')
d.append([1, 2, 3])
print(d)appendleft()
添加 x 到左端。
演示
from collections import deque
d = deque('abc')
d.appendleft([1, 2, 3])
print(d)clear()
移除所有元素。
演示
from collections import deque
d = deque('abc')
d.clear()
print(d)copy()
创建一份浅拷贝。
演示
from collections import deque
d = deque('abc')
c = d.copy()
print(c)count(x)
计算 deque 中元素等于 x 的个数。
演示
from collections import deque
d = deque('abca')
print(d.count('a'), d.count('b'))extend(x)
扩展 deque 的右侧，通过添加 iterable 参数中的元素。
演示
from collections import deque
d = deque('abc')
d.extend([1, 2, 3])
print(d)extendleft(x)
同理，不再赘述。
index(x)
返回 x 在 deque 中的位置，返回第一个匹配项，若没有则抛出 ValueError。
演示
from collections import deque
d = deque('abc')
print(d.index('b'))
try:
print(d.index('d'))
except Exception as e:
print(f'{type(e)} {e}')insert(i: int, x)
在位置 i 插入 x。
如果插入会导致一个限长的 deque 超出 maxlen，就会抛出 IndexError。
演示
from collections import deque
d = deque('abc')
d.insert(1, [1, 2, 3])
print(d)
d1 = deque(maxlen=3)
d1.extend(['a', 'b', 'c'])
print(d1)
try:
d1.insert(1, [1, 2, 3])
print(d1)
except Exception as e:
print(f'{type(e)} {e}')pop()
移去并返回最右侧元素，如果没有元素则抛出 IndexError。
演示
from collections import deque
d = deque('abc')
try:
while True:
print(d.pop())
except Exception as e:
print(f'{type(e)} {e}')remove(value)
移除找到的第一个 value，如果没有则抛出 ValueError。
演示
from collections import deque
d = deque('abc')
try:
d.remove('a')
print(d)
d.remove('a')
print(d)
except Exception as e:
print(f'{type(e)} {e}')reverse()
将 deque 逆序排列，返回 None。
演示
from collections import deque
d = deque('abc')
print(d)
print(d.reverse())
print(d)rotate(n:int = 1)
向右循环移动 n 步。如果 n 是负数，就向左循环。
演示
from collections import deque
d = deque('abc')
print(d)
d.rotate(2)
print(d)
d.rotate()
print(d)补充
除了以上操作，deque 还支持迭代、封存、len(d)、reversed(d)、copy.deepcopy(d)、copy.copy(d)、成员检测运算符 in，以及下标引用（例如通过 d[0] 访问首个元素等。索引访问在两端的复杂度均为 O(1)，但在中间则会退化至 O(n)。如需快速随机访问，请使用列表。
Deque 从 3.5 版本还开始支持 __add__()、__mul__()和__imul__() 魔术方法。
默认字典 - defaultdict
字典非常实用，但你往往会有如下烦恼：
当你想在 dict 中获取一个 key，往往有两种方法，第一种是 get，第二种是通过 [] 获取。
使用 dict 时，如果引用的 Key 不存在，就会抛出 KeyError。如果希望 key 不存在时，返回一个默认值，就可以用 defaultdict。
基础介绍
defaultdict([default_factory[, ...]])
返回一个新的类似字典的对象。defaultdict 是内置 dict 类的子类。它重载了一个方法并添加了一个可写的实例变量。其余功能与 dict 相同。
本对象包含一个名为 default_factory 的属性，构造时，第一个参数用于为该属性提供初始值，默认为 None。所有其他参数（包含关键字参数）都相当于传递给 dict 的构造函数。
defaultdict 对象除了支持标准 dict 的操作，还支持以下方法作为扩展：
__missing__(key)
如果 default_factory 属性为 None，则调用本方法会抛出 KeyError 异常，附带参数 key。
如果 default_factory 不为 None，则它会被（不带参数地）调用来为 key 提供一个默认值，这个值和 key 作为一对键值对被插入到字典中，并作为本方法的返回值返回。
如果调用 default_factory 时抛出了异常，这个异常会原封不动地向外层传递。
在无法找到所需键值时，本方法会被 dict 中的 __getitem__() 方法调用。无论本方法返回了值还是抛出了异常，都会被 __getitem__() 传递。
注意，__missing__() 不会 被 __getitem__() 以外的其他方法调用。意味着 get() 会像正常的 dict 那样返回 None，而不是使用 default_factory。
示例
使用 list 作为 default_factory，很轻松地将（键-值对组成的）序列转换为（键-列表组成的）字典
演示
from collections import defaultdict
s = [('green', 1), ('blue', 2), ('green', 3), ('blue', 4), ('red', 1)]
d = defaultdict(list)
for key, value in s:
d[key].append(value)
print(d)
print(sorted(d.items()))当每个键第一次遇见时，它还没有在字典里面，所以自动创建该条目，即调用 default_factory 方法，返回一个空的 list。 list.append() 操作添加值到这个新的列表里。当再次存取该键时，就正常操作，list.append() 添加另一个值到列表中。这个计数比它的等价方法 dict.setdefault() 要快速和简单：
演示
s = [('green', 1), ('blue', 2), ('green', 3), ('blue', 4), ('red', 1)]
d = {}
for key, value in s:
d.setdefault(key, []).append(value)
print(d)
print(sorted(d.items()))设置 default_factory 为 int，使 defaultdict 用于计数：
演示
from collections import defaultdict
s = 'applications'
d = defaultdict(int)
for key in s:
d[key] += 1
print(d)
print(sorted(d.items()))
print(sorted(list(d.items()), key = lambda x : (x[1], x[0])))defaultdict 绝不会引发一个 KeyError。如果一个键不存在，defaultdict 会插入并返回一个占位符值来代替:
演示
from collections import defaultdict
d = defaultdict(list)
print(d["missing"])而若是使用常规字典运行相同逻辑：
演示
d = {}
print(d["missing"])fractions
信息
Python 中的 fractions 库提供了对有理数精确计算的支持，适用于分数计算。
演示
import fractions
# 创建分数对象
a = fractions.Fraction(1, 2)
b = fractions.Fraction(1, 3)
print(a, b)
print(type(a), type(b))
print(a * b)
print(a + b)
print(type(a + b))
print(float(a + b))
print(a.numerator)
print(a.denominator)
print(type(a.numerator))itertools
信息
听这个名字你就可以想象，这是一个很强大的迭代器工具库，本文只介绍其特殊用法。
演示
import itertools
# 全排列
for x in itertools.permutations([1, 2, 3]):
print(x)
print('next')
# 组合
for x in itertools.combinations([1, 2, 3], 2):
print(x)
print('next')
# 前缀和
for x in itertools.accumulate([1, 2, 3, 4]):
print(x)heapq
信息
此 Python 库提供最小堆功能（优先队列）
演示
import heapq, random
heap = []
for i in range(10):
heapq.heappush(heap, random.randint(1, 100))
print(heap)
for i in range(10):
print(heapq.heappop(heap))