（点击 上方公众号 ，可快速关注）

译文 ：伯乐在线专栏作者 -  熊崽Kevin

英文：pypix.com

链接：http://python.jobbole.com/65218/

点击 → 了解如何加入专栏作者

数据结构

数据结构的概念很好理解，就是用来将数据组织在一起的结构。换句话说，数据结构是用来存储一系列关联数据的东西。在Python中有四种内建的数据结构，分别是List、Tuple、Dictionary以及Set。大部分的应用程序不需要其他类型的数据结构，但若是真需要也有很多高级数据结构可供选择，例如Collection、Array、Heapq、Bisect、Weakref、Copy以及Pprint。本文将介绍这些数据结构的用法，看看它们是如何帮助我们的应用程序的。

关于四种内建数据结构的使用方法很简单，并且网上有很多参考资料，因此本文将不会讨论它们。

1. Collections

collections模块包含了内建类型之外的一些有用的工具，例如Counter、defaultdict、OrderedDict、deque以及nametuple。其中Counter、deque以及defaultdict是最常用的类。

1.1 Counter()

如果你想统计一个单词在给定的序列中一共出现了多少次，诸如此类的操作就可以用到Counter。来看看如何统计一个list中出现的item次数：

from collections import Counter

li = [ "Dog" , "Cat" , "Mouse" , 42 , "Dog" , 42 , "Cat" , "Dog" ]

a = Counter ( li )

print a # Counter({'Dog': 3, 42: 2, 'Cat': 2, 'Mouse': 1})

若要统计一个list中不同单词的数目，可以这么用：

from collections import Counter

li = [ "Dog" , "Cat" , "Mouse" , 42 , "Dog" , 42 , "Cat" , "Dog" ]

a = Counter ( li )

print a # Counter({'Dog': 3, 42: 2, 'Cat': 2, 'Mouse': 1})

print len ( set ( li )) # 4

如果需要对结果进行分组，可以这么做：

from collections import Counter

li = [ "Dog" , "Cat" , "Mouse" , "Dog" , "Cat" , "Dog" ]

a = Counter ( li )

print a # Counter({'Dog': 3, 'Cat': 2, 'Mouse': 1})

print "{0} : {1}" . format ( a . values (), a . keys ()) # [1, 3, 2] : ['Mouse', 'Dog', 'Cat']

print ( a . most_common ( 3 )) # [('Dog', 3), ('Cat', 2), ('Mouse', 1)]

以下的代码片段找出一个字符串中出现频率最高的单词，并打印其出现次数。

1.2 Deque

Deque是一种由队列结构扩展而来的双端队列(double-ended queue)，队列元素能够在队列两端添加或删除。因此它还被称为头尾连接列表(head-tail linked list)，尽管叫这个名字的还有另一个特殊的数据结构实现。

Deque支持线程安全的，经过优化的append和pop操作，在队列两端的相关操作都能够达到近乎O(1)的时间复杂度。虽然list也支持类似的操作，但是它是对定长列表的操作表现很不错，而当遇到pop(0)和insert(0, v)这样既改变了列表的长度又改变其元素位置的操作时，其复杂度就变为O(n)了。

来看看相关的比较结果：

另一个例子是执行基本的队列操作：

from collections import deque

q = deque ( range ( 5 ))

q . append ( 5 )

q . appendleft ( 6 )

print q

print q . pop ()

print q . popleft ()

print q . rotate ( 3 )

print q

print q . rotate ( - 1 )

print q

# deque([6, 0, 1, 2, 3, 4, 5])

# 5

# 6

# None

# deque([2, 3, 4, 0, 1])

# None

# deque([3, 4, 0, 1, 2])

译者注:rotate是队列的旋转操作，Right rotate(正参数)是将右端的元素移动到左端，而Left rotate(负参数)则相反。

1.3 Defaultdict

这个类型除了在处理不存在的键的操作之外与普通的字典完全相同。当查找一个不存在的键操作发生时，它的default_factory会被调用，提供一个默认的值，并且将这对键值存储下来。其他的参数同普通的字典方法dict()一致，一个defaultdict的实例同内建dict一样拥有同样地操作。

defaultdict对象在当你希望使用它存放追踪数据的时候很有用。举个例子，假定你希望追踪一个单词在字符串中的位置，那么你可以这么做：

from collections import defaultdict

s = "the quick brown fox jumps over the lazy dog"

words = s . split ()

location = defaultdict ( list )

for m , n in enumerate ( words ) :

location [ n ]. append ( m )

print location

# defaultdict(<type 'list'>, {'brown': [2], 'lazy': [7], 'over': [5], 'fox': [3],

# 'dog': [8], 'quick': [1], 'the': [0, 6], 'jumps': [4]})

是选择lists或sets与defaultdict搭配取决于你的目的，使用list能够保存你插入元素的顺序，而使用set则不关心元素插入顺序，它会帮助消除重复元素。

from collections import defaultdict

s = "the quick brown fox jumps over the lazy dog"

words = s . split ()

location = defaultdict ( set )

for m , n in enumerate ( words ) :

location [ n ]. add ( m )

print location

# defaultdict(<type 'set'>, {'brown': set([2]), 'lazy': set([7]),

# 'over': set([5]), 'fox': set([3]), 'dog': set([8]), 'quick': set([1]),

# 'the': set([0, 6]), 'jumps': set([4])})

另一种创建multidict的方法：

s = "the quick brown fox jumps over the lazy dog"

d = {}

words = s . split ()

for key , value in enumerate ( words ) :

d . setdefault ( key , []). append ( value )

print d

# {0: ['the'], 1: ['quick'], 2: ['brown'], 3: ['fox'], 4: ['jumps'], 5: ['over'], 6: ['the'], 7: ['lazy'], 8: ['dog']}

一个更复杂的例子：

class Example ( dict ) :

def __getitem__ ( self , item ) :

try :

return dict . __getitem__ ( self , item )

except KeyError :

value = self [ item ] = type ( self )()

return value

a = Example ()

a [ 1 ][ 2 ][ 3 ] = 4

a [ 1 ][ 3 ][ 3 ] = 5

a [ 1 ][ 2 ][ 'test' ] = 6

print a # {1: {2: {'test': 6, 3: 4}, 3: {3: 5}}}

2. Array

array模块定义了一个很像list的新对象类型，不同之处在于它限定了这个类型只能装一种类型的元素。array元素的类型是在创建并使用的时候确定的。

如果你的程序需要优化内存的使用，并且你确定你希望在list中存储的数据都是同样类型的，那么使用array模块很合适。举个例子，如果需要存储一千万个整数，如果用list，那么你至少需要160MB的存储空间，然而如果使用array，你只需要40MB。但虽然说能够节省空间，array上几乎没有什么基本操作能够比在list上更快。

在使用array进行计算的时候，需要特别注意那些创建list的操作。例如，使用列表推导式(list comprehension)的时候，会将array整个转换为list，使得存储空间膨胀。一个可行的替代方案是使用生成器表达式创建新的array。看代码：

import array

a = array . array ( "i" , [ 1 , 2 , 3 , 4 , 5 ])

b = array . array ( a . typecode , ( 2 * x for x in a ))

因为使用array是为了节省空间，所以更倾向于使用in-place操作。一种更高效的方法是使用enumerate：

import array

a = array . array ( "i" , [ 1 , 2 , 3 , 4 , 5 ])

for i , x in enumerate ( a ) :

a [ i ] = 2 * x

对于较大的array，这种in-place修改能够比用生成器创建一个新的array至少提升15%的速度。

那么什么时候使用array呢？是当你在考虑计算的因素之外，还需要得到一个像C语言里一样统一元素类型的数组时。

import array

from timeit import Timer

def arraytest () :

a = array . array ( "i" , [ 1 , 2 , 3 , 4 , 5 ])

b = array . array ( a . typecode , ( 2 * x for x in a ))

def enumeratetest () :

a = array . array ( "i" , [ 1 , 2 , 3 , 4 , 5 ])

for i , x in enumerate ( a ) :

a [ i ] = 2 * x

if __name__ == '__main__' :

m = Timer ( "arraytest()" , "from __main__ import arraytest" )

n = Timer ( "enumeratetest()" , "from __main__ import enumeratetest" )

print m . timeit () # 5.22479210582

print n . timeit () # 4.34367196717

3. Heapq

heapq模块使用一个用堆实现的优先级队列。堆是一种简单的有序列表，并且置入了堆的相关规则。

堆是一种树形的数据结构，树上的子节点与父节点之间存在顺序关系。二叉堆(binary heap)能够用一个经过组织的列表或数组结构来标识，在这种结构中，元素N的子节点的序号为2*N+1和2*N+2(下标始于0)。简单来说，这个模块中的所有函数都假设序列是有序的，所以序列中的第一个元素(seq[0])是最小的，序列的其他部分构成一个二叉树，并且seq[i]节点的子节点分别为seq[2*i+1]以及seq[2*i+2]。当对序列进行修改时，相关函数总是确保子节点大于等于父节点。

import heapq

heap = []

for value in [ 20 , 10 , 30 , 50 , 40 ] :

heapq . heappush ( heap , value )

while heap :

print heapq . heappop ( heap )

heapq模块有两个函数nlargest()和nsmallest()，顾名思义，让我们来看看它们的用法。

import heapq

nums = [ 1 , 8 , 2 , 23 , 7 , - 4 , 18 , 23 , 42 , 37 , 2 ]

print ( heapq . nlargest ( 3 , nums )) # Prints [42, 37, 23]

print ( heapq . nsmallest ( 3 , nums )) # Prints [-4, 1, 2]

两个函数也能够通过一个键参数使用更为复杂的数据结构，例如：

import heapq

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 ( 3 , portfolio , key = lambda s : s [ 'price' ])

expensive = heapq . nlargest ( 3 , portfolio , key = lambda s : s [ 'price' ])

print cheap

# [{'price': 16.35, 'name': 'YHOO', 'shares': 45},

# {'price': 21.09, 'name': 'FB', 'shares': 200}, {'price': 31.75, 'name': 'HPQ', 'shares': 35}]

print expensive

# [{'price': 543.22, 'name': 'AAPL', 'shares': 50}, {'price': 115.65, 'name': 'ACME',

# 'shares': 75}, {'price': 91.1, 'name': 'IBM', 'shares': 100}]

来看看如何实现一个根据给定优先级进行排序，并且每次pop操作都返回优先级最高的元素的队列例子。

4. Bisect

bisect模块能够提供保持list元素序列的支持。它使用了二分法完成大部分的工作。它在向一个list插入元素的同时维持list是有序的。在某些情况下，这比重复的对一个list进行排序更为高效，并且对于一个较大的list来说，对每步操作维持其有序也比对其排序要高效。

假设你有一个range集合：

a = [(0, 100), (150, 220), (500, 1000)]

如果我想添加一个range (250, 400)，我可能会这么做：

import bisect

a = [( 0 , 100 ), ( 150 , 220 ), ( 500 , 1000 )]

bisect . insort_right ( a , ( 250 , 400 ))

print a # [(0, 100), (150, 220), (250, 400), (500, 1000)]

我们可以使用bisect()函数来寻找插入点：

import bisect

a = [( 0 , 100 ), ( 150 , 220 ), ( 500 , 1000 )]

bisect . insort_right ( a , ( 250 , 400 ))

bisect . insort_right ( a , ( 399 , 450 ))

print a # [(0, 100), (150, 220), (250, 400), (500, 1000)]

print bisect . bisect ( a , ( 550 , 1200 )) # 5

bisect(sequence, item) => index 返回元素应该的插入点，但序列并不被修改。

import bisect

a = [( 0 , 100 ), ( 150 , 220 ), ( 500 , 1000 )]

bisect . insort_right ( a , ( 250 , 400 ))

bisect . insort_right ( a , ( 399 , 450 ))

print a # [(0, 100), (150, 220), (250, 400), (500, 1000)]

print bisect . bisect ( a , ( 550 , 1200 )) # 5

bisect . insort_right ( a , ( 550 , 1200 ))

print a # [(0, 100), (150, 220), (250, 400), (399, 450), (500, 1000), (550, 1200)]

新元素被插入到第5的位置。

5. Weakref

weakref模块能够帮助我们创建Python引用，却不会阻止对象的销毁操作。这一节包含了weak reference的基本用法，并且引入一个代理类。

在开始之前，我们需要明白什么是strong reference。strong reference是一个对对象的引用次数、生命周期以及销毁时机产生影响的指针。strong reference如你所见，就是当你将一个对象赋值给一个变量的时候产生的：

>>> a = [ 1 , 2 , 3 ]

>>> b = a

在这种情况下，这个列表有两个strong reference，分别是a和b。在这两个引用都被释放之前，这个list不会被销毁。

class Foo ( object ) :

def __init__ ( self ) :

self . obj = None

print 'created'

def __del__ ( self ) :

print 'destroyed'

def show ( self ) :

print self . obj

def store ( self , obj ) :

self . obj = obj

a = Foo () # created

b = a

del a

del b # destroyed

Weak reference则是对对象的引用计数器不会产生影响。当一个对象存在weak reference时，并不会影响对象的撤销。这就说，如果一个对象仅剩下weak reference，那么它将会被销毁。

你可以使用weakref.ref函数来创建对象的weak reference。这个函数调用需要将一个strong reference作为第一个参数传给函数，并且返回一个weak reference。

>>> import weakref

>>> a = Foo ()

created

>>> b = weakref . ref ( a )

>>> b

一个临时的strong reference可以从weak reference中创建，即是下例中的b()：

>>> a == b ()

True

>>> b (). show ()

None

请注意当我们删除strong reference的时候，对象将立即被销毁。

>>> del a

destroyed

如果试图在对象被摧毁之后通过weak reference使用对象，则会返回None：

>>> b () is None

True

若是使用weakref.proxy，就能提供相对于weakref.ref更透明的可选操作。同样是使用一个strong reference作为第一个参数并且返回一个weak reference，proxy更像是一个strong reference，但当对象不存在时会抛出异常。

>>> a = Foo ()

created

>>> b = weakref . proxy ( a )

>>> b . store ( 'fish' )

>>> b . show ()

fish

>>> del a

destroyed

>>> b . show ()

Traceback ( most recent call last ) :

File "" , line 1 , in ?

ReferenceError : weakly - referenced object no longer exists

完整的例子：

引用计数器是由Python的垃圾回收器使用的，当一个对象的应用计数器变为0，则其将会被垃圾回收器回收。

最好将weak reference用于开销较大的对象，或避免循环引用(虽然垃圾回收器经常干这种事情)。

import weakref

import gc

class MyObject ( object ) :

def my_method ( self ) :

print 'my_method was called!'

obj = MyObject ()

r = weakref . ref ( obj )

gc . collect ()

assert r () is obj #r() allows you to access the object referenced: it's there.

obj = 1 #Let's change what obj references to

gc . collect ()

assert r () is None #There is no object left: it was gc'ed.

提示：只有library模块中定义的class instances、functions、methods、sets、frozen sets、files、generators、type objects和certain object types(例如sockets、arrays和regular expression patterns)支持weakref。内建函数以及大部分内建类型如lists、dictionaries、strings和numbers则不支持。

6. Copy()

通过shallow或deep copy语法提供复制对象的函数操作。

shallow和deep copying的不同之处在于对于混合型对象的操作(混合对象是包含了其他类型对象的对象，例如list或其他类实例)。

• 对于shallow copy而言，它创建一个新的混合对象，并且将原对象中其他对象的引用插入新对象。

• 对于deep copy而言，它创建一个新的对象，并且递归地复制源对象中的其他对象并插入新的对象中。

普通的赋值操作知识简单的将心变量指向源对象。

shallow copy (copy())操作创建一个新的容器，其包含的引用指向原对象中的对象。

deep copy (deepcopy())创建的对象包含的引用指向复制出来的新对象。

复杂的例子：

假定我有两个类，名为Manager和Graph，每个Graph包含了一个指向其manager的引用，而每个Manager有一个指向其管理的Graph的集合，现在我们有两个任务需要完成：

1) 复制一个graph实例，使用deepcopy，但其manager指向为原graph的manager。

2) 复制一个manager，完全创建新manager，但拷贝原有的所有graph。

7. Pprint()

Pprint模块能够提供比较优雅的数据结构打印方式，如果你需要打印一个结构较为复杂，层次较深的字典或是JSON对象时，使用Pprint能够提供较好的打印结果。

假定你需要打印一个矩阵，当使用普通的print时，你只能打印出普通的列表，不过如果使用pprint，你就能打出漂亮的矩阵结构

如果

import pprint

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

a = pprint . PrettyPrinter ( width = 20 )

a . pprint ( matrix )

# [[1, 2, 3],

#  [4, 5, 6],

#  [7, 8, 9]]

额外的知识

一些基本的数据结构

1. 单链链表

2. 用Python实现的普林姆算法

译者注：普林姆算法(Prims Algorithm)是图论中，在加权连通图中搜索最小生成树的算法。

总结

如果想了解更多地数据结构信息请参阅相关文档。谢谢阅读。

关注「Python开发者」

看更多精选技术文章

↓↓↓