Python之路3Day

3.python基础补充（集合，collection系列，深浅拷贝）

 

一.集合

1.集合(set)：

把不同的元素组成一起形成集合，是python基本的数据类型。集合元素(set elements):组成集合的成员

python的set和其他语言类似, 是一个无序不重复元素集, 基本功能包括关系测试和消除重复元素. 集合对象还支持union(联合), intersection(交), difference(差)和sysmmetric difference(对称差集)等数学运算.

sets 支持 x in set, len(set),和 for x in set。作为一个无序的集合，sets不记录元素位置或者插入点。因此，sets不支持 indexing, slicing, 或其它类序列（sequence-like）的操作。

2.集合的创建

1 2 3 4 5 6 7 8 9 10 11

se = set([11,22,33,44]) print(se) {33, 11, 44, 22} print(type(se)) <class 'set'> 或者 >>> se = {'huang','xu'} >>> se {'xu', 'huang'} >>> type(se) <class 'set'>

集合的使用

具体用法：

1.add(添加元素)

1 2 3

>>> se.add('123') >>> se {'xu', 'huang', '123'}

2.clear(清空集合)

1 2 3

>>> se.clear() >>> se set()

3.copy(浅拷贝)

1 2 3 4

>>> se_1 = {'huang','xu'} >>> se_2=se_1.copy() >>> se_2 {'xu', 'huang'}

4.difference差异比较

1 2 3 4 5 6 7 8

>>> se_1 = {'huang','xu','shi','shei'} >>> se_2 = {'haode','shi','huang'} #取出se_2中在se_1所没有的元素 >>> se_1.difference(se_2) {'xu', 'shei'} #取出se_1中在se_2所没有的元素 >>> se_2.difference(se_1) {'haode'}

5.difference_update差异更新

1 2 3 4 5 6 7

>>> se_1 {'shi', 'xu', 'huang'} >>> se_2 {'shi', 'huang', 'haode'} >>> se_1.difference_update(se_2) >>> se_1 {'xu'}

6.discard移除指定元素

1 2 3 4 5

>>> se_1 {'shi', 'xu', 'shei', 'huang'} >>> se_1.discard('shei') >>> se_1 {'shi', 'xu', 'huang'}

7.intersection取交集并且建立新的集合

1 2 3 4

>>> se_1={'huang','xu','shi','sha','bi'} >>> se_2={'huang','xu','shi','er','bi'} >>> se_1.intersection(se_2) {'huang', 'shi', 'xu', 'bi'}

8.intersection_update取交集并且更新原来的集合

1 2 3 4 5

>>> se_1={'huang','xu','shi','sha','bi'} >>> se_2={'huang','xu','shi','er','bi'} >>> se_1.intersection_update(se_2) >>> se_1 {'huang', 'shi', 'xu', 'bi'}

9.isdisjoint判断没有交集，没有返回true，有返回false

1 2 3 4 5 6 7 8 9 10 11

>>> se_1={'huang','xu','shi','sha','bi'} >>> se_2={'huang','xu','shi','er','bi'} >>> se_1.isdisjoint(se_2) False >>> se_2.isdisjoint(se_1) False 或 >>> se_1={'huang','xu'} >>> se_2={'huangg','xuu'} >>> se_2.isdisjoint(se_1) True

10.issubset判断是否为子集

1 2 3 4 5

>>> se_1 = {'huang','xu'} >>> se_2 = {'huang','xu','shabi'} #判断se_1是否为se_2的子集 >>> se_1.issubset(se_2) True

11.issuperset判断是否为父集

1 2 3 4 5 6 7 8 9

>>> se_1 = {'huang','xu'} >>> se_2 = {'huang','xu','shabi'} #判断se_1是否为se_2的父集 >>> se_1.issuperset(se_2) False #判断se_2是否为se_1的父集 >>> se_2.issuperset(se_1) True >>>

12.pop移除集合元素

1 2 3

>>> se_1 = {'huang','xu','sha','bi'} >>> se_1.pop() 'sha'

13.remove删除指定元素集合

1 2 3 4 5

>>> se_1 = {'huang','xu','sha','bi'} >>> se_1.remove('bi') >>> se_1 {'sha', 'liu', 'yao'} >>>

14.symmetric_difference取两个集合的差集，并建立新的元素

1 2 3 4 5 6 7

>>> se_1 = {'huang','xu','sha','bi'} >>> se_2 = {'huang','xu','shabi'} >>> se_1.symmetric_difference(se_2) {'sha', 'shabi', 'bi'} >>> b=se_1.symmetric_difference(se_2) >>> b {'sha', 'shabi', 'bi'}

15.symmetric_difference_update取两个集合的差集，更新原来的集合对象

1 2 3 4 5

>>> se_1 = {'huang','xu','sha','bi'} >>> se_2 = {'huang','xu','shabi'} >>> se_1.symmetric_difference_update(se_2) >>> se_1 {'sha', 'shabi', 'bi'}

16.union并集

1 2 3 4 5 6

>>> se_1 {'sha', 'shabi', 'bi'} >>> se_2 {'shabi', 'huang', 'xu'} >>> se_1.union(se_2) {'xu', 'sha', 'shabi', 'huang', 'bi'}

17.update更新集合

1 2 3 4 5

>>> se_1 {'sha', 'shabi', 'bi'} >>> se_1.update('liuxu') >>> se_1 {'x', 'u', 'shabi', 'bi', 'u', 'i', 'sha', 'l', 'a'}

案例：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

old_dict = {     "#1":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },     "#2":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },     "#3":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 } } new_dict = {     "#1":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 800 },     "#3":{ 'hostname':'c1', 'cpu_count': 2, 'mem_capicity': 80 },     "#4":{ 'hostname':'c2', 'cpu_count': 2, 'mem_capicity': 80 } } #获取old_dict元素 old = set(old_dict.keys()) print(old) #获取new_dict元素 new = set(new_dict.keys()) print(new) #要更新的集合元素（交集） update_set = old.intersection(new) print(update_set) #获取要删除的集合元素（差集） delete_set = old.difference(new) print(delete_set) #获取要添加的集合元素() add_set = new.difference(update_set) print(add_set)

二.collection系列

collections模块自Python 2.4版本开始被引入，包含了dict、set、list、tuple以外的一些特殊的容器类型，分别是：

OrderedDict类：排序字典，是字典的子类。引入自2.7。

namedtuple()函数：命名元组，是一个工厂函数。引入自2.6。

Counter类：为hashable对象计数，是字典的子类。引入自2.7。

deque：双向队列。引入自2.4。

defaultdict：使用工厂函数创建字典，使不用考虑缺失的字典键。引入自2.5。

文档参见：http://docs.python.org/2/library/collections.html

使用的时候需要用import导入collections模块

1.计数器（counter）

Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。

（1）创建

创建一个空的Counter类

1 2 3 4 5 6 7 8 9

import collections c = collections.Counter()# 创建一个空的Counter类 print(c) c = collections.Counter('asdfghjjhgfdqwer') print(c) c = collections.Counter({'a': 4, 'b': 2})#从一个字典对象创建 print(c) c = collections.Counter(a=4, b=2) # 从一组键值对创建 print(c)

结果：

1 2 3 4

Counter() Counter({'d': 2, 'f': 2, 'h': 2, 'g': 2, 'j': 2, 's': 1, 'a': 1, 'r': 1, 'q': 1, 'e': 1, 'w': 1}) Counter({'a': 4, 'b': 2}) Counter({'a': 4, 'b': 2})

(2).计数值的访问

当所访问的键不存在时，返回0，而不是KeyError；否则返回它的计数。

1 2 3 4 5 6 7 8 9

>>> import collections >>> c = collections.Counter('asdfgdsasdf') >>> c['a'] 2 >>> c['h'] 0 >>> c['s'] 3 >>>

(3).计数器的更新与减少

1.update()更新

1 2 3 4 5 6

>>> c Counter({'s': 3, 'd': 3, 'a': 2, 'f': 2, 'g': 1}) >>> c = collections.Counter('update') >>> c.update('update') >>> c Counter({'a': 2, 'e': 2, 'd': 2, 'p': 2, 'u': 2, 't': 2})

2.subtract()减少

1 2 3 4 5 6 7

>>> c = collections.Counter('subtract') >>> c Counter({'t': 2, 'a': 1, 'c': 1, 'b': 1, 's': 1, 'r': 1, 'u': 1}) >>> c.subtract('subtract') >>> c Counter({'a': 0, 'c': 0, 'b': 0, 's': 0, 'r': 0, 'u': 0, 't': 0}) >>>

（4）键的删除

当计数值为0时，并不意味着元素被删除，删除元素应当使用del

1 2 3 4 5 6 7 8

>>> c = collections.Counter('abcdcba') >>> c['b']=0 >>> c Counter({'a': 2, 'c': 2, 'd': 1, 'b': 0}) >>> del c['a'] >>> c Counter({'c': 2, 'd': 1, 'b': 0}) >>>

(5) 迭代器

返回一个迭代器。元素被重复了多少次，在该迭代器中就包含多少个该元素。所有元素按照字母序排序，个数小于1的元素不被包含。

1 2 3 4

>>> c = collections.Counter('abcdcba') >>> list(c.elements()) ['a', 'a', 'c', 'c', 'b', 'b', 'd'] >>>

（5）most_common([n])

返回一个TopN列表。如果n没有被指定，则返回所有元素。当多个元素计数值相同时，按照字母序排列。

1 2 3

>>> c = collections.Counter('abcdcba') >>> c.most_common() [('a', 2), ('c', 2), ('b', 2), ('d', 1)]

（6）浅拷贝

1 2 3 4 5 6 7

>>> c = collections.Counter('abcdcba') >>> c Counter({'a': 2, 'c': 2, 'b': 2, 'd': 1}) >>> cc=c.copy() >>> cc Counter({'a': 2, 'c': 2, 'b': 2, 'd': 1}) >>>

（7）算术与集合操作

+、-、&、|操作也可以用于Counter。其中&和|操作分别返回两个Counter对象各元素的最小值和最大值。需要注意的是，得到的Counter对象将删除小于1的元素。

1 2 3 4 5 6 7 8 9 10

>>> c = collections.Counter(a=3, b=1) >>> d = collections.Counter(a=1, b=2) >>> c+d Counter({'a': 4, 'b': 3}) >>> c-d Counter({'a': 2}) >>> c&d Counter({'a': 1, 'b': 1}) >>> c|d Counter({'a': 3, 'b': 2})

一些Counter类的常用操作，来源于Python官方文档

1 2 3 4 5 6 7 8 9

sum(c.values())  # 所有计数的总数 c.clear()  # 重置Counter对象，注意不是删除 list(c)  # 将c中的键转为列表 set(c)  # 将c中的键转为set dict(c)  # 将c中的键值对转为字典 c.items()  # 转为(elem, cnt)格式的列表 Counter(dict(list_of_pairs))  # 从(elem, cnt)格式的列表转换为Counter类对象 c.most_common()[:-n:-1]  # 取出计数最少的n个元素 c += Counter()  # 移除0和负值

2.有序字典(orderedDict )

有序字典继承字典的一切属性，只是在顺序上是有序的。

1 2 3 4 5 6

>>> import collections >>> info = collections.OrderedDict({'name':'huangxu','age':21}) >>> info OrderedDict([('age', 21), ('name', 'huangxu')]) >>> type(info) <class 'collections.OrderedDict'>

1 2 3 4 5 6 7 8

import collections info = collections.OrderedDict(name='huangxu',age='21',job='IT') print (info) print (info.keys()) print (info.values()) OrderedDict([('age', '21'), ('name', 'huangxu'), ('job', 'IT')]) odict_keys(['age', 'name', 'job']) odict_values(['21', 'huangxu', 'IT'])

一些功能：

(1).move_to_end将指定的键值对从开头移动到末尾。

1 2 3 4 5

>>> import collections >>> info = collections.OrderedDict(name='liuyao',age='21',job='IT') >>> info.move_to_end('name') >>> info OrderedDict([('age', '21'), ('job', 'IT'), ('name', 'huangxu')])

(2).pop删除字典键值，返回删除的键值的values

1 2 3 4 5 6

>>> info = collections.OrderedDict(name='huangxu',age='21',job='IT') >>> info.pop('job') 'IT' >>> info OrderedDict([('age', '21'), ('name', 'huangxu')]) >>>

(3).clear清除有序字典的值

1 2 3 4

>>> info = collections.OrderedDict(name='huangxu',age='21',job='IT') >>> info.clear() >>> info OrderedDict()

1 2 3 4 5 6 7 8 9 10

import collections info = collections.OrderedDict(name='huangxu',age='21',job='IT') print (info) print (info.keys()) print (info.values()) print (info.items()) OrderedDict([('age', '21'), ('job', 'IT'), ('name', 'huangxu')]) odict_keys(['age', 'job', 'name']) odict_values(['21', 'IT', 'huangxu']) odict_items([('age', '21'), ('job', 'IT'), ('name', 'huangxu')])

3.默认字典(defaultdict) 

这里的defaultdict(function_factory)构建的是一个类似dictionary的对象，其中keys的值，自行确定赋值，但是values的类型，是function_factory的类实例，而且具有默认值。比如default(int)则创建一个类似dictionary对象，里面任何的values都是int的实例，而且就算是一个不存在的key, d[key] 也有一个默认值，这个默认值是int()的默认值0.

defaultdict是对字典的类型的补充，他默认给字典的值设置了一个类型。创建一个默认字典，value值类型为列表.dic = collections.defaultdict(list)

例:

1 2 3 4 5 6 7 8

import collections s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]   d = collections.defaultdict(list) for k, v in s:     d[k].append(v)   list(d.items())

defaultdict可以接受一个内建函数list作为参数。其实呢，list()本身是内建函数，但是再经过更新后，python里面所有东西都是对象，所以list改编成了类，引入list的时候产生一个类的实例。

1 2 3 4 5 6 7 8

import collections dic = collections.defaultdict(list) dic['k1'] print (dic) print (dic.keys()) print (dic.values()) dic['k1'].append('v1') print (dic.values())

一些具有的方法：

1.copy拷贝

1 2 3 4 5 6 7 8 9 10

import collections dic = collections.defaultdict(list) dic['k1'] dic['k1'].append('v1') print (dic) dic_1=dic.copy() print (dic_1) #结果 defaultdict(<class 'list'>, {'k1': ['v1']}) defaultdict(<class 'list'>, {'k1': ['v1']})

4.可命名元组(namedtuple) 

没有现成的类，用户需要自行创建相应的类

1 2 3 4 5 6 7 8

import collections tu = collections.namedtuple('tu',['x','y','z'])  #创建一个类,类名为Point yao_tu = tu(11,22,33) print(yao_tu) print(yao_tu.x)  #直接通过命名元素去访问元组对应的元素, print(yao_tu[1])  #等同于上面这种方式,但是没有上面这种方式可读性强 print(yao_tu.y) print(yao_tu.z)

5.双向队列(deque)

（1）创建一个队列

1 2 3

import collections que = collections.deque(['sb','huang','xu']) print (que)

(2)追加元素到队列

1 2 3 4 5 6

>>> que.append('wo') >>> que deque(['sb', 'huang', 'xu', 'wo']) >>> que.append(['ni','ta']) >>> que deque(['sb', 'huang', 'xu', 'wo', ['ni', 'ta']])

（3）追加元素到队列左侧

1 2 3

>>> que.appendleft('zuo') >>> que deque(['zuo', 'sb', 'huang', 'xu', 'wo', ['ni', 'ta']])

（4）统计元素个数

1 2 3 4 5 6

>>> que.appendleft('zuo') >>> que deque(['zuo', 'sb', 'huang', 'xu', 'wo', ['ni', 'ta']]) >>> que.appendleft('zuo') >>> que.count('zuo') 2

（4）清除

1 2 3

>>> que.clear() >>> que deque([])

（5）extend扩展元素

1 2 3 4 5 6

>>> que = collections.deque(['sb','huang','xu']) >>> que deque(['sb', 'huang', 'xu']) >>> que.extend(['a','b','c']) >>> que deque(['sb', 'huang', 'xu', 'a', 'b', 'c'])

（6）extendleft从左侧扩展

1 2 3 4 5

>>> que deque(['sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3']) >>> que.extendleft(['zuo4','zuo5','zuo6']) >>> que deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3'])

（7）pop删除

1 2 3 4 5 6

>>> que deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2', 'zuo3']) >>> que.pop() 'zuo3' >>> que deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2'])

（8）popleft从左侧开始删除

1 2 3 4 5 6

>>> que deque(['zuo6', 'zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2']) >>> que.popleft() 'zuo6' >>> que deque(['zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2'])

（9）reverse顺序反转

1 2 3 4 5

>>> que deque(['zuo5', 'zuo4', 'sb', 'huang', 'xu', 'a', 'b', 'c', 'zuo1', 'zuo2']) >>> que.reverse() >>> que deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'xu', 'huang', 'sb', 'zuo4', 'zuo5'])

（10）remove删除指定元素

1 2 3 4 5

>>> que deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'xu', 'huang', 'sb', 'zuo4', 'zuo5']) >>> que.remove('sb') >>> que deque(['zuo2', 'zuo1', 'c', 'b', 'a', 'xu', 'huang', 'zuo4', 'zuo5'])

（11）rotate将队列末尾4个元素反转到队列左侧

1 2 3 4 5

>>> que deque(['zuo5', 'zuo2', 'zuo1', 'c', 'b', 'a', 'xu', 'huang', 'zuo4']) >>> que.rotate(4) >>> que deque(['a', 'xu', 'huang', 'zuo4', 'zuo5', 'zuo2', 'zuo1', 'c', 'b'])

6.单向队列 queue（先进先出 FIFO ）

（1）创建

1 2 3 4 5 6

>>> import queue >>> que = queue.Queue(2) >>> que <queue.Queue object at 0x7f70678ec550> >>> >>> que = queue.Queue(maxsize=10)

queue.Queue类即是一个队列的同步实现。队列长度可为无限或者有限。可通过Queue的构造函数的可选参数maxsize来设定队列长度。如果maxsize小于1就表示队列长度无限。

（3）放入任务

1 2	>>> que.put(['a','d']) >>> que

调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为
1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

（3）从队列中取值

1 2 3 4

>>> que.put(['a','d']) >>> que.get() ['a', 'd'] >>>

调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。

（3）返回队列大小

1 2	>>> que.qsize() 1

（4）判断队列为空返回True,反之False

1 2 3

>>> que.empty() False >>>

（5）q.full() 如果队列满了，返回True,反之False

1 2 3

>>> que.full() False >>>

q.full 与 maxsize 大小对应

其他方法：

1 2 3 4 5 6

q.get([block[, timeout]]) 获取队列，timeout等待时间 q.get_nowait() 相当q.get(False) 非阻塞 q.put(item) 写入队列，timeout等待时间 q.put_nowait(item) 相当q.put(item, False) q.task_done() 在完成一项工作之后，q.task_done() 函数向任务已经完成的队列发送一个信号 q.join() 实际上意味着等到队列为空，再执行别的操作

三.深浅拷贝

1.为什么要拷贝？

当进行修改时，想要保留原来的数据和修改后的数据

2.数字字符串 和 集合 在修改时的差异？ （深浅拷贝不同的终极原因）

在修改数据时：

    数字字符串：在内存中新建一份数据

         集合：修改内存中的同一份数据

3.对于集合，如何保留其修改前和修改后的数据？

在内存中拷贝

4.对于集合，如何拷贝其n层元素同时拷贝？

深拷贝

---

1.对于 数字 和 字符串 而言，赋值、浅拷贝和深拷贝无意义，因为其永远指向同一个内存地址。

例：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

赋值，内存指向同一地址 >>> n1=123 >>> n2=n1 >>> id(n1) 10109728 >>> id(n2) 10109728 >>> >>> import copy >>> n3 = copy.copy(n1) >>> id(n3) 10109728 >>> n4=copy.deepcopy(n1) >>> id(n4) 10109728 >>>

2.对于字典、元祖、列表 而言，进行赋值、浅拷贝和深拷贝时，其内存地址的变化是不同的。

赋值，只是创建一个变量，该变量指向原来内存地址，如：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

>>> import copy >>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']} >>> n1 {'k3': ['liuyao', 'job'], 'k1': 'v1', 'k2': 'v2'} >>> n2=n1 >>> id(n1) 140120750514696 >>> id(n2) 140120750514696 >>> id(n2['k3']) 140120750335688 >>> id(n1['k3']) 140120750335688 >>> id(n1['k3'][0]) 140120778934064 >>> id(n2['k3'][0]) 140120778934064 >>>

（3）浅拷贝，在内存中只额外创建第一层数据

1 2 3 4 5 6 7 8 9 10 11 12

>>> import copy >>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']} >>> n2 = copy.copy(n1) >>> id(n1) 140120750337544 >>> id(n2) 140120750371208 >>> id(n1['k3'][0]) 140120778934064 >>> id(n2['k3'][0]) 140120778934064 >>>

（4）深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

>>> import copy >>> n1 = {'k1':'v1','k2':'v2','k3':['liuyao','job']} >>> n2 = copy.deepcopy(n1) >>> id(n1) 140120750514696 >>> id(n2) 140120750514888 >>> id(n1['k3']) 140120750335688 >>> id(n2['k3']) 140120750335752 >>> id(n2['k3'][0]) 140120778934064 >>> id(n1['k3'][0]) 140120778934064 >>>

案例：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

#深浅copy案例:监控模板 dic = {     "cpu":[80,],     "mem":[70,],     "disk":[90,],   } print(dic) a1=copy.copy(dic) #浅copy会使所有的模板cpu都发生变化 a1['cpu'][0]=20 print(a1) print(dic) #为了防止新模板修改导致旧模板被修改所以使用深copy a2=copy.deepcopy(dic) a2['cpu'][0]=20 print(a2) print(dic)