~list tuple dict set 1、collections.Counter collections.Counter 属于dict，计算出现几次
image.png
c.update({'a':3}) 更新
image.png
对于未知的元素，counter不会产生异常，返回0
Counter转成list:list(c.elements())
c.most_common(3) 打印最常见的三个元素，即value最大的那三个
Counter支持 - & |
2、defaultdict 支持自定义方法提供默认值的dict
image.png
3、deque 线程安全的
deque.append deque.extend deque.extendleft deque.appendleft
deque.pop deque.popleft
image.png
旋转，ratate
image.png
4、namedtuple 生成只包含属性的类
image.png
5、OrderedDict 按内容增加的顺序存储
image.png
6、import array array.array('c',"sdfdsfsfsdfs") array.array('i',range(4))
image.png
7、heapq 二叉树堆 heapq内置模块位于./Anaconda3/Lib/heapq.py，提供基于堆的优先排序算法 堆的逻辑结构就是完全二叉树，并且二叉树中父节点的值小于等于该节点的所有子节点的值。这种实现可以使用 heap[k] <= heap[2k 1] 并且 heap[k] <= heap[2k 2] （其中 k 为索引，从 0 开始计数）的形式体现，对于堆来说，最小元素即为根元素 heap[0]。 1.初始化 可以通过 list 对 heap 进行初始化，或者通过 api 中的 heapify 将已知的 list 转化为 heap 对象。
- heapq.py中提供的函数方法 heapq.heappush(heap, item) heapq.heappop(heap)：返回 root 节点，即 heap 中最小的元素。 heapq.heapreplace(heap,item): python3中heappushpop的更高效版。 heapq.heappushpop(heap, item)：向 heap 中加入 item 元素，并返回 heap 中最小元素。 heapq.heapify(x)：Transform list into a heap, in-place, in O(len(x)) time heapq.merge(*iterables, key=None, reverse=False) heapq.nlargest(n, iterable, key=None)：返回可枚举对象中的 n 个最大值，并返回一个结果集 list，key 为对该结果集的操作。 heapq.nsmallest(n, iterable, key=None)：同上相反 heapq._heappop_max(heap): Maxheap version of a heappop heapq._heapreplace_max(heap,item)：Maxheap version of a heappop followed by a heappush. heapq._heapify_max(x)：Transform list into a maxheap, in-place, in O(len(x)) time heapq._siftdown(heap,startpos,pos)： Follow the path to the root, moving parents down until finding a place heapq._siftup(heap,pos)：Bubble up the smaller child until hitting a leaf heapq._siftdown_max(heap,startpos,pos)：Maxheap variant of _siftdown heapq._siftup_max(heap,pos)：Maxheap variant of _siftup
import heapq def heapsort(iterable): h = [] for i in iterable: heapq.heappush(h, i) return [heapq.heappop(h) for i in range(len(h))]
method 1: sort to list
s = [3, 5, 1, 2, 4, 6, 0, 1] print(heapsort(s)) ''' [0, 1, 1, 2, 3, 4, 5, 6] '''
method 2: use key to find price_min
portfolio = [{'name': 'IBM', 'shares': 100, 'price': 91.1}, {'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'FB', 'shares': 200, 'price': 21.09}, {'name': 'HPQ', 'shares': 35, 'price': 31.75}, {'name': 'YHOO', 'shares': 45, 'price': 16.35}, {'name': 'ACME', 'shares': 75, 'price': 115.65}] cheap = heapq.nsmallest(1, portfolio, key=lambda s:s['price']) print(cheap) ''' [{'name': 'YHOO', 'shares': 45, 'price': 16.35}] '''
method 3: use while to push min element
def heapilize_list(x): n = len(x) # 获取存在子节点的节点 index 列表，并对每个节点单元进行最小堆处理 for i in reversed(range(n // 2)): raiseup_node(x, i)
def put_down_node(heap, startpos, pos): current_item = heap[pos] # 判断单元中最小子节点与父节点的大小 while pos > startpos: parent_pos = (pos - 1) >> 1 parent_item = heap[parent_pos] if current_item < parent_item: heap[pos] = parent_item pos = parent_pos continue break heap[pos] = current_item
def raiseup_node(heap, pos): heap_len = len(heap) start_pos = pos current_item = heap[pos] left_child_pos = pos * 2 1 while left_child_pos < heap_len: right_child_pos = left_child_pos 1 # 将这个单元中的最小子节点元素与父节点元素进行位置调换 if right_child_pos < heap_len and not heap[left_child_pos] < heap[right_child_pos]: left_child_pos = right_child_pos heap[pos] = heap[left_child_pos] pos = left_child_pos left_child_pos = pos * 2 1 heap[pos] = current_item put_down_node(heap, start_pos, pos)
p = [4, 6, 2, 10, 1] heapilize_list(p) print(p) ''' [1, 4, 2, 10, 6] '''
8、 bisect有序列表 bisect.bisect(list,5) bisect.insort()
image.png
9、queue
import Queue
Queue.queue()
q.put()
q.empty()
q.get()
10、LifoQueue
Queue.LifoQueue()
q.put()
q.empty()
q.get()
11、PriorityQueue() 优先级由你定
image.png
12、struct结构
image.png
image.png
缓存区：pack_into??
image.png
image.png
13、对象的非永久引用：weakref
weakref.ref 弱引用
image.png
引用回调，删除时被调用
image.png
weakref.WeakValueDictionary??
14、copy
copy.copy(obj)
copy.deepcopy() 连里面的所有元素都是新的
copy自己实现复制
image.png
15 pprint
-- coding: cp936 --
python 27
xiaodeng
python之模块pprint之常见用法
import pprint data = [(1,{'a':'A','b':'B','c':'C','d':'D'}),(2,{'e':'E','f':'F','g':'G','h':'H','i':'I','j':'J','k':'K','l':'L'}),] print '--'*30
1、打印效果
pprint.pprint (data) '''
[(1, {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D'}), (2, {'e': 'E', 'f': 'F', 'g': 'G', 'h': 'H', 'i': 'I', 'j': 'J', 'k': 'K', 'l': 'L'})] '''
2、格式化
data = [(1,{'a':'A','b':'B','c':'C','d':'D'}),(2,{'e':'E','f':'F','g':'G','h':'H','i':'I','j':'J','k':'K','l':'L'}),] result=pprint.pformat(data) for key in result.splitlines(): print key
''' [(1, {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'D'}), (2, {'e': 'E', 'f': 'F', 'g': 'G', 'h': 'H', 'i': 'I', 'j': 'J', 'k': 'K', 'l': 'L'})] '''
