collections
约 1107 字大约 4 分钟
2026-02-05
Python 开发使用频率最高的内置模块，解决基础数据结构的痛点问题（如列表两端增删慢、字典 KeyError、元素统计繁琐）。
namedtuple：不可变具名元组 → 替代轻量类
核心作用
创建不可变的具名元组，通过属性名访问元素（比普通元组易读），比类更轻量（无实例字典，内存占用少）
实战示例
from collections import namedtuple
# 定义：类型名 + 字段名（列表/字符串）
Point = namedtuple("Point", ["x", "y"]) # 列表字段
User = namedtuple("User", "name age id") # 字符串字段（空格分隔）
# 实例化
p = Point(10, 20)
u = User("张三", 18, 1001)
# 访问：属性名（推荐）/索引，支持解包、作为字典键
print(p.x, p.y) # 10 20（属性名访问，易读）
print(u[0], u[1])# 张三 18（索引访问，兼容元组）
a, b = p # 解包
user_dict = {u: "普通用户"} # 可哈希，作为字典键
# 核心方法：_asdict() → 转为有序字典，_replace() → 生成新对象（不可变，无法直接修改）
print(u._asdict()) # OrderedDict([('name', '张三'), ('age', 18), ('id', 1001)])
u2 = u._replace(age=20) # 生成新对象，原对象不变
print(u2) # User(name='张三', age=20, id=1001)核心场景
存储简单数据对象（坐标 / 配置项 / 数据库查询结果 / 爬虫数据），无行为的轻量数据载体。
deque：双端队列 → 替代列表实现高效增删
核心痛点
列表的append/pop(0)（左端增删）时间复杂度为O(n)（需移动所有元素），deque的appendleft/popleft为O(1)；
核心特性
支持两端高效增删、指定最大长度（超出自动丢弃另一端元素）、线程安全；
实战示例
from collections import deque
# 初始化
dq = deque([1, 2, 3])
# 右端增删（同列表，兼容使用）
dq.append(4) # deque([1,2,3,4])
dq.pop() # 4 → deque([1,2,3])
# 左端增删（高效，O(1)）
dq.appendleft(0) # deque([0,1,2,3])
dq.popleft() # 0 → deque([1,2,3])
# 指定最大长度：超出自动丢弃左端元素（适合滑动窗口、日志缓存）
dq = deque(maxlen=3)
dq.extend([1,2,3,4]) # 超出maxlen，丢弃左端1 → deque([2,3,4])
# 其他实用方法：extend/extendleft（批量增）、rotate（旋转）
dq.rotate(1) # 向右旋转1位 → deque([4,2,3])核心场景
队列（FIFO）、栈（LIFO）、滑动窗口（如最近 10 条日志）、高频两端增删的场景。
defaultdict：默认值字典 → 避免 KeyError
核心痛点
访问字典不存在的键时抛出KeyError，需手动判断if key not in dict，defaultdict为不存在的键指定默认值类型，自动创建键并赋值默认值；
实战示例
from collections import defaultdict
# 初始化：指定默认值类型（int/list/set/dict，需传类型对象，而非实例）
d_int = defaultdict(int) # 默认值0 → 适合计数
d_list = defaultdict(list) # 默认值[] → 适合分组聚合
d_set = defaultdict(set) # 默认值set() → 适合去重分组
# 访问不存在的键，自动创建并赋值默认值
d_int["count"] += 1 # 等价于 d_int["count"] = 0 + 1 → 1
d_list["user1"].append("read") # d_list["user1"] = ["read"]
d_set["user2"].add("write") # d_set["user2"] = {"write"}
# 经典场景：列表分组聚合（无需手动判断键是否存在）
data = [("fruit", "apple"), ("vegetable", "carrot"), ("fruit", "banana")]
group = defaultdict(list)
for category, name in data:
group[category].append(name)
print(dict(group)) # {"fruit": ["apple", "banana"], "vegetable": ["carrot"]}核心场景
统计计数、数据分组聚合、爬虫数据去重、避免繁琐的键存在性判断。
Counter：元素计数器 → 替代手动循环统计
核心作用
快速实现可迭代对象（列表 / 字符串 / 元组） 的元素频次统计，返回字典格式的计数器，支持丰富的统计方法；
实战示例
from collections import Counter
# 初始化：传入可迭代对象
c1 = Counter([1, 2, 2, 3, 3, 3]) # 列表统计 → Counter({3:3, 2:2, 1:1})
c2 = Counter("abracadabra") # 字符串统计 → Counter({'a':5, 'b':2, 'r':2, 'c':1, 'd':1})
c3 = Counter({"a":2, "b":3}) # 字典初始化 → Counter({'b':3, 'a':2})
# 核心访问：同字典，不存在的键返回0（无KeyError）
print(c2["a"]) # 5
print(c2["z"]) # 0
# 核心方法
print(c1.most_common(2)) # 获取前2个高频元素 → [(3,3), (2,2)]
print(c1.total()) # 统计元素总数 → 6
c1.update([3, 4]) # 更新计数 → Counter({3:4, 2:2, 1:1, 4:1})
c1.subtract([2, 3]) # 减少计数 → Counter({3:3, 2:1, 1:1, 4:1})
print(list(c1.elements()))# 生成元素迭代器（按计数重复）→ [1,2,3,3,3,4]核心场景
词频统计、数据频次分析、投票统计、爬虫数据去重统计、日志级别统计。