python中tuple的用法 如何在python中引入高性能数据类型？

如何在python中引入高性能数据类型？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

如何在python中引入高性能数据类型？

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！

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

如何在python中引入高性能数据类型？

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(_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。

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 defaultdictnames_dict defaultdict(int)names_dict[Bob] 1names_dict[Katie] 2sara_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（，{bob：1，katie：2，sara：0}）intgt

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（，{bob：1，katie：2，sara：[]}）intgt

要了解更多有关 DefaultDict 功能的信息，请查看官方文档。

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 dequemy_queue deque(maxlen10)for i in range(10):my_(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], maxlen10)

因为我们的队列有一个 maxlen10，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_(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 maxlen10，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], maxlen10)

要了解更多有关 deque 的信息，请查看官方文档。

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 namedtuplePerson 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(nameMike, age30, jobData Scientist)Kate Person(nameKate

能不能自学python，会不会太难？

我是老K，一个IT创业者，平时会在各平台的@老K玩代码 分享项目案例和实战经验，有需要的可以关注我。

python是一个长久的事情，但如果你想用python做些事情，那很多时候1个月左右的时间就已经足够了。

你首先要花一些时间熟悉一下pytho语言的语法，这个不难，也正是python的优势。

之后就是根据你的需要，去了解一下常见的第三方库，并且找一些好的项目实践，通过实际项目提高这一方面的技能。

现在Python主要的应用领域有爬虫、网站开发、数据分析和可视化、机器学习和AI等，每个人可以先想到自己想深耕于哪个方向，还是开始学习。

一、 打好基础Python的语法还是比较简单的，掌握以下几个知识点，基本可以让你上手大多数的第三方库：

变量类型：字符串：str整型：int浮点型：float列表：list字典：dict集合：set元组：tuple逻辑判断：if ... elif ... loopwhile looptry ... except ...函数和类：函数：def 和 lambda类：class库：module

二、了解以下常用的第三方库Python的应用领域有很多，基本想得到的功能，你都可以在github上找到相应的库

但主要的应用还是集中在以下4个方面

网络爬虫：如requests、bueatifulsoup4、selenium等网站开发：如flask、Django等机器学习：如tensorflow、sklearn、keras、pytorch等人工智能：如nltk、gensim、opencv等数据分析：如numpy、pandas、matplotlib等

三、实践项目有很多可以找到实践项目的网站，比如

github： 实验楼：