Colección en Python: Todo lo que necesitas saber

Python es un poderoso lenguaje de programación. Es modular y conocido por su simplicidad, reutilización y mantenibilidad. En la programación modular, una tarea de programación grande y compleja se divide en módulos más pequeños.

Este artículo habla sobre la colección de módulos en Python . Collection mejora las funcionalidades y es la alternativa a los contenedores de dictados, listas, conjuntos y tuplas incorporados de propósito general de Python.

"Las listas, tuplas, conjuntos y diccionarios de Python son estructuras de datos definidas por el usuario, y cada una tiene su propio conjunto de ventajas y desventajas".

Módulo Python

Un módulo es un archivo que contiene definiciones y declaraciones de Python que implementan un conjunto de funciones. El comando de importación se utiliza para importar módulos de otros módulos. Python tiene varios módulos incorporados.

Vayamos ahora al quid del artículo y aprendamos la colección de módulos en Python en detalle.

Colección en Python

Collection en Python es el contenedor que almacena colecciones de datos. List, set, tuple, dict, etc., son colecciones integradas en Python . Hay seis módulos de recopilación en Python que ofrecen estructuras de datos adicionales para almacenar recopilaciones de datos. Estos módulos de Python mejoran las operaciones de la colección de contenedores integrados.

Ahora discutiremos los diferentes contenedores proporcionados por la colección en el módulo de Python .

1. dictado ordenado

OrderedDict() funciona de manera similar al objeto de diccionario donde las claves mantienen el orden en que se insertan. Si desea volver a insertar la llave, el valor anterior se sobrescribirá y la posición de la llave no cambiará.

Ejemplo:

importar OrderedDict de colecciones

d1=colecciones.OrderedDict()

d1['A']=1

d1['B']=2

d1['C']=3

d1['D']=4

para x,v en d1.items():

imprimir (x,v)

Producción:

un 1

B 2

C 3

D 4

2. deque()

Python deque() es una lista optimizada que agrega y elimina elementos de ambos extremos.

Ejemplo:

importar deque de colecciones

lista1 = [“a”,”b”,”c”]

deq = deque(lista1)

imprimir (deq)

Producción:

deque(['a', 'b', 'c'])

3. Contador

Los contadores son el subgrupo de los objetos de diccionario que cuentan los objetos hashable. La función de contador toma la entrada iterable como argumento y devuelve una salida como un diccionario. La clave es un elemento iterable y el valor es el número total de veces que un elemento está presente en el iterable.

Ejemplo:

importar contador de colecciones

c = Contador()

lista1 = [1,2,3,4,5,7,8,5,9,6,10]

Contador (lista1)

Contador ({1:5,2:4})

lista1 = [1,2,4,7,5,1,6,7,6,9,1]

c = Contador(lista1)

imprimir (c[1])

Producción:

3

Funciones de contador adicionales

1. Elementos () Función

La función elements() devuelve una lista de los elementos presentes en el objeto Counter .

Ejemplo:

c = Contador({1:4,2:3})

imprimir (lista (c. elementos ()))

Producción:

[1,1,1,1,2,2,2]

Aquí, se crea un objeto Contador utilizando un argumento de diccionario. El número de conteos para 1 es 4, y para 2 es 3. La función elementos() se llama con el objeto c devolviendo un iterador.

2. Función most_common()

La función Counter() de Python devuelve un diccionario desordenado, mientras que la función most_common() lo ordena según el número de cada elemento.

Ejemplo:

lista = [1,2,3,4,5,5,5,7,3]

c = contador (lista)

imprimir (c.más_común())

Producción:

[((5,3), (1,1),(2,1),(3,2),(4,1), (7,1))]

Aquí, la función most_common devuelve una lista ordenada según el recuento de elementos. 5 viene tres veces; por lo tanto, viene primero, como elemento de la lista.

3. Función Restar()

El subtract() considera argumentos iterables o de mapeo y resta el recuento de elementos con ese argumento.

Ejemplo:

c = contador({1:2,2:3})

salida= {1:1,2:1}

c.restar(salida)

imprimir (c)

Producción:

Contador ({1:1,2:2})

4. Objetos de mapa de cadena

La clase Chainmap agrupa varios diccionarios para crear una sola lista. El diccionario vinculado es público y se puede acceder a él mediante el atributo de mapa.

Ejemplo:

Importar mapa de cadena de colecciones

dict1 = { 'w' : 1, 'x' : 2 }

dict2 = {'y' : 3. 'z': 4 }

mapa_cadena = MapaCadena(dict1,dict2)

imprimir (chain_map.maps)

Producción:

[{'x': 2, 'w': 1}, {'y': 3, 'x': 4}]

5. Tupla con nombre

La función namedtuple() devuelve un objeto de tupla con nombres para cada posición en la tupla. Se introdujo para eliminar el problema de recordar el índice de cada campo de un objeto tupla.

Ejemplo:

Importar tupla con nombre de colecciones

Estudiante = tupla nombrada ('Estudiante', 'nombre, apellido, edad')

s1 = Estudiante ('Tom', 'Alter', '12')

imprimir(s1.nombre)

Producción:

Estudiante (nombre = 'Tom', apellido = 'Alter', edad = '12')

En este ejemplo, puede acceder a los campos de cualquier instancia de una clase.

6. Dictado predeterminado

Python defaultdict() es un objeto de diccionario y es una subclase de la clase dict. Proporciona todos los métodos de diccionario, pero toma el primer argumento como tipo de datos predeterminado. Lanza un error cuando accede a una clave inexistente.

Ejemplo:

importar dictado predeterminado de colecciones

num = predeterminadodict(int)

numero['uno'] = 1

numero['dos'] = 2

imprimir (num['tres'])

Producción:

0

Conclusión

Se sabe que la recopilación en Python aporta mejoras al módulo de recopilación de Python. Las colecciones se introdujeron en la versión 2.4 de Python. Se pueden esperar muchos cambios y mejoras en las versiones posteriores. En este artículo, hemos explicado las seis colecciones existentes en Python con ejemplos y la forma en que se implementan en el lenguaje. Son uno de los conceptos más importantes desde el punto de vista del alumno.

Aprende colección en Python con el programa exclusivo de upGrad de licenciatura en aplicaciones informáticas . Este programa cubre las habilidades necesarias para ingresar a la industria de TI.

Si tiene curiosidad por aprender sobre python, ciencia de datos, consulte el programa Executive PG de ciencia de datos de IIIT-B y upGrad, creado para profesionales que trabajan y ofrece más de 10 estudios de casos y proyectos, talleres prácticos prácticos, tutoría con expertos de la industria. , 1 a 1 con mentores de la industria, más de 400 horas de aprendizaje y asistencia laboral con las mejores empresas.

Aprenda cursos de ciencia de datos en línea de las mejores universidades del mundo. Obtenga programas Executive PG, programas de certificados avanzados o programas de maestría para acelerar su carrera.