Python 的 `collections` 模块是标准库中提供高效、专业容器数据类型的重要模块，它扩展了 Python 的内置数据结构（如 `list`、`dict`、`tuple`、`set`），在特定场景下提供更优的性能和更清晰的代码结构。该模块包含多个专为特定用途设计的数据结构，适用于处理复杂或高性能需求的数据操作场景。 ### 核心数据结构及功能 #### 1. `Counter` `Counter` 是一个用于计数可哈希对象的字典子类，特别适合用于统计元素出现的频率。例如，统计一段文本中每个单词出现的次数。 ```python from collections import Counter words = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple'] word_count = Counter(words) print(word_count) # 输出：Counter({'apple': 3, 'banana': 2, 'orange': 1}) ``` `Counter` 提供了如 `most_common()` 方法，用于获取出现频率最高的元素列表，这在数据分析和统计中非常实用[^3]。 #### 2. `namedtuple` `namedtuple` 用于创建具有命名字段的元组子类，使元组的访问更加直观和可读。例如，定义一个表示坐标的点结构： ```python from collections import namedtuple Point = namedtuple('Point', ['x', 'y']) p = Point(10, 20) print(p.x, p.y) # 输出：10 20 ``` 这种结构非常适合用于表示不可变的数据对象，并且可以通过字段名访问，提升代码的可维护性[^4]。 #### 3. `deque` `deque`（双端队列）支持从两端快速添加或删除元素，适用于实现队列或栈等数据结构。 ```python from collections import deque dq = deque([1, 2, 3]) dq.appendleft(0) dq.append(4) print(dq) # 输出：deque([0, 1, 2, 3, 4]) ``` 与列表相比，`deque` 在两端进行插入和删除操作的时间复杂度为 O(1)，而列表的 `insert(0, item)` 操作为 O(n)，因此 `deque` 更适合高频的队列操作[^4]。 #### 4. `defaultdict` `defaultdict` 是 `dict` 的子类，它在访问不存在的键时会自动调用一个默认工厂函数生成默认值，避免频繁的 `KeyError` 异常。 ```python from collections import defaultdict dd = defaultdict(list) dd['fruits'].append('apple') dd['fruits'].append('banana') print(dd['fruits']) # 输出：['apple', 'banana'] ``` 该结构常用于构建分组数据或图的邻接表表示[^4]。 #### 5. `OrderedDict` `OrderedDict` 是一个字典的子类，它会记住键值对插入的顺序。在 Python 3.7 之后，普通字典也默认保持插入顺序，但在需要明确依赖插入顺序的逻辑中，使用 `OrderedDict` 仍然是一个更清晰的选择。 ```python from collections import OrderedDict od = OrderedDict() od['a'] = 1 od['b'] = 2 od['c'] = 3 print(od) # 输出：OrderedDict([('a', 1), ('b', 2), ('c', 3)]) ``` #### 6. `ChainMap` `ChainMap` 用于将多个字典链接成一个单一的映射视图，查找时会依次在各个字典中查找键。 ```python from collections import ChainMap dict1 = {'a': 1, 'b': 2} dict2 = {'b': 3, 'c': 4} cm = ChainMap(dict1, dict2) print(cm['b']) # 输出：2（取自第一个字典） ``` 它非常适合用于处理配置优先级的场景，例如命令行参数与默认配置的合并[^4]。 #### 7. `UserDict`, `UserList`, `UserString` 这些类是 `dict`、`list` 和 `str` 的封装类，用于帮助开发者自定义容器行为，提供更灵活的继承机制。 --- ### 使用场景与性能优势 - **数据统计与频率分析**：`Counter` 非常适合用于统计元素频率，如日志分析、文本处理等。 - **高效队列与栈操作**：`deque` 在两端插入和删除效率高，适用于实现缓存、队列等结构。 - **结构化不可变数据建模**：`namedtuple` 可以替代简单的类定义，提升代码可读性。 - **自动默认值处理**：`defaultdict` 简化了字典中默认值的初始化逻辑。 - **保持插入顺序**：`OrderedDict` 适用于需要显式控制键顺序的场景。 - **多层级配置管理**：`ChainMap` 适合用于处理优先级配置或上下文合并。 --- ### 总结 `collections` 模块通过提供一系列高效、专用的数据结构，显著增强了 Python 内置容器的功能。开发者可以根据具体需求选择合适的数据结构，从而提升程序性能和代码可读性。 ---