Коллекция на Python: все, что вам нужно знать

Python — мощный язык программирования. Он модульный и известен своей простотой, возможностью повторного использования и ремонтопригодностью. В модульном программировании большая и сложная задача программирования разбивается на более мелкие модули.

В этой статье рассказывается о коллекции модулей в Python . Collection улучшает функциональные возможности и является альтернативой универсальным встроенным контейнерам Python dict, list, set и tuple.

«Списки, кортежи, наборы и словари Python — это определяемые пользователем структуры данных, каждая из которых имеет свой собственный набор преимуществ и недостатков».

Модуль Python

Модуль — это файл, содержащий определения и операторы Python, которые реализуют набор функций. Команда import используется для импорта модулей из других модулей. Python имеет несколько встроенных модулей.

Давайте теперь перейдем к сути статьи и подробно изучим коллекцию модулей в Python .

Сбор на Питоне

Коллекция в Python — это контейнер, в котором хранятся коллекции данных. List, set, tuple, dict и т. д. являются встроенными коллекциями в Python . В Python есть шесть модулей коллекций, которые предлагают дополнительные структуры данных для хранения коллекций данных. Эти модули Python улучшают работу коллекции встроенных контейнеров.

Теперь мы обсудим различные контейнеры, предоставляемые коллекцией в модуле Python.

1. Заказанный Дикт

OrderedDict() работает аналогично объекту словаря, где ключи сохраняют порядок, в котором они вставлены. Если вы захотите снова вставить ключ, предыдущее значение будет перезаписано, а положение ключа не изменится.

Пример:

импортировать OrderedDict из коллекций

d1=коллекции.OrderedDict()

d1['А']=1

d1['В']=2

d1['C']=3

d1['D']=4

для x,v в d1.items():

печать (х, v)

Выход:

А 1

БИ 2

С 3

Д 4

2. очередь()

Python deque() — это оптимизированный список, который добавляет и удаляет элементы из обеих крайностей.

Пример:

импортировать deque из коллекций

список1 = ["а","б","в"]

очередь = очередь (список1)

печать (дек)

Выход:

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

3. Счетчик

Счетчики — это подгруппа объектов словаря, которая подсчитывает хэшируемые объекты. Функция счетчика принимает входные данные в качестве аргумента и возвращает выходные данные в виде словаря. Ключ — это итерируемый элемент, а значение — это общее количество раз, когда элемент присутствует в итерируемом.

Пример:

импортировать счетчик из коллекций

с = Счетчик ()

список1 = [1,2,3,4,5,7,8,5,9,6,10]

Счетчик (список1)

Счетчик({1:5,2:4})

список1 = [1,2,4,7,5,1,6,7,6,9,1]

c = Счетчик (список1)

печать (с[1])

Выход:

3

Дополнительные функции счетчика

1. Элементы() Функция

Функция elements() возвращает список элементов, присутствующих в объекте Counter .

Пример:

c = Счетчик ({1:4,2:3})

печать (список (c.elements ()))

Выход:

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

Здесь объект Counter создается с использованием аргумента словаря. Количество отсчетов для 1 равно 4, а для 2 равно 3. Функция elements() вызывается с объектом c , возвращающим итератор.

2. Функция most_common()

Функция Python Counter() возвращает неупорядоченный словарь, в то время как функция most_common() сортирует его по количеству каждого элемента.

Пример:

список = [1,2,3,4,5,5,5,7,3]

c = счетчик (список)

печать (c.most_common())

Выход:

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

Здесь функция most_common возвращает отсортированный список в соответствии с количеством элементов. 5 встречается три раза; следовательно, он стоит первым как элемент списка.

3. Функция вычитания()

Функция subtract() рассматривает итерируемые или отображающие аргументы и вычитает количество элементов с этим аргументом.

Пример:

с = счетчик ({1:2,2:3})

вывод = {1:1,2:1}

c.subtract(выход)

печать (с)

Выход:

Счетчик({1:1,2:2})

4. Объекты карты цепочки

Класс Chainmap группирует несколько словарей для создания единого списка. Связанный словарь является общедоступным, и доступ к нему можно получить с помощью атрибута карты.

Пример:

Импорт цепочки из коллекций

dict1 = {'ш': 1, 'х': 2}

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

chain_map = Цепная карта (dict1, dict2)

печать (chain_map.maps)

Выход:

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

5. Именованный кортеж

Функция namedtuple() возвращает объект кортежа с именами для каждой позиции в кортеже. Он был введен для устранения проблемы запоминания индекса каждого поля объекта кортежа.

Пример:

Импорт namedtuple из коллекций

Student = namedtuple («Студент», «имя, фамилия, возраст»)

s1 = Ученик («Том», «Альтер», «12»)

печать (s1.имя)

Выход:

Ученик(имя='Том', фамилия='Альтер', возраст='12')

В этом примере вы можете получить доступ к полям любого экземпляра класса.

6. Дикт по умолчанию

Python defaultdict() является объектом словаря и является подклассом класса dict. Он предоставляет все методы словаря, но принимает первый аргумент в качестве типа данных по умолчанию. Выдает ошибку при доступе к несуществующему ключу.

Пример:

импортировать defaultdict из коллекций

число = значение по умолчанию (целое число)

число ['один'] = 1

число ['два'] = 2

печать (число ['три'])

Выход:

0

Заключение

Известно, что коллекция в Python вносит улучшения в модуль коллекции Python. Коллекции были представлены в версии Python 2.4. В последующих версиях можно ожидать множество изменений и улучшений. В этой статье мы объяснили шесть существующих коллекций в Python с примерами и тем, как они реализованы в языке. Они являются одним из наиболее важных понятий с точки зрения учащегося.

Изучите коллекцию Python с эксклюзивной программой upGrad для бакалавров компьютерных приложений . Эта программа охватывает необходимые навыки, необходимые для входа в ИТ-индустрию.

Если вам интересно узнать о python и науке о данных, ознакомьтесь с программой Executive PG IIIT-B и upGrad по науке о данных, которая создана для работающих профессионалов и предлагает более 10 тематических исследований и проектов, практические практические семинары, наставничество с отраслевыми экспертами. , общение один на один с отраслевыми наставниками, более 400 часов обучения и помощь в трудоустройстве в ведущих фирмах.

Учебные онлайн- курсы по науке о данных от лучших университетов мира. Участвуйте в программах Executive PG, Advanced Certificate Programs или Master Programs, чтобы ускорить свою карьеру.