什么是Collections模块？

Python的collections模块是标准库中提供的一组特殊容器数据类型，它们是对Python通用内置容器（如字典、列表、集合和元组）的补充。这些数据结构专为解决特定问题而设计，能显著提高代码效率和可读性。

1. Counter：计数器

Counter是dict的子类，用于计数可哈希对象。它是一个无序集合，元素存储为字典键，计数存储为字典值。

基本用法

from collections import Counter

# 创建Counter对象
word_counts = Counter(['apple', 'banana', 'apple', 'orange', 'banana', 'apple'])

print(word_counts)  # Counter({'apple': 3, 'banana': 2, 'orange': 1})

# 访问计数
print(word_counts['apple'])  # 3

# 更新计数器
word_counts.update(['apple', 'kiwi'])
print(word_counts)  # Counter({'apple': 4, 'banana': 2, 'orange': 1, 'kiwi': 1})

# 获取最常见元素
print(word_counts.most_common(2))  # [('apple', 4), ('banana', 2)]

实际应用场景

• 统计文本中单词出现的频率
• 分析用户行为数据
• 计算数据集中元素的分布

2. defaultdict：带默认值的字典

defaultdict是dict的子类，当访问不存在的键时，它会返回一个默认值而不是引发KeyError。

基本用法

from collections import defaultdict

# 创建defaultdict，指定默认值类型
fruit_colors = defaultdict(list)

# 添加数据
fruit_colors['apple'].append('red')
fruit_colors['apple'].append('green')
fruit_colors['banana'].append('yellow')

print(fruit_colors)
# defaultdict(<class 'list'>, {'apple': ['red', 'green'], 'banana': ['yellow']})

# 访问不存在的键
print(fruit_colors['orange'])  # 返回空列表 []

实际应用场景

• 分组操作（如SQL中的GROUP BY）
• 构建复杂字典结构
• 简化存在性检查代码

3. deque：双端队列

deque（双端队列）支持从两端快速添加和删除元素，时间复杂度为O(1)。

基本用法

from collections import deque

# 创建双端队列
d = deque(['b', 'c', 'd'])

# 添加元素
d.append('e')      # 右侧添加
d.appendleft('a')  # 左侧添加

print(d)  # deque(['a', 'b', 'c', 'd', 'e'])

# 移除元素
d.pop()      # 移除并返回右侧元素 'e'
d.popleft()  # 移除并返回左侧元素 'a'

print(d)  # deque(['b', 'c', 'd'])

# 其他操作
d.rotate(1)   # 向右旋转1位 → deque(['d', 'b', 'c'])
d.rotate(-1)  # 向左旋转1位 → deque(['b', 'c', 'd'])

实际应用场景

• 实现队列和栈数据结构
• 滑动窗口算法
• 广度优先搜索(BFS)
• 维护最近使用项

4. namedtuple：命名元组

namedtuple创建带有字段名的元组子类，使代码更具可读性。

基本用法

from collections import namedtuple

# 创建命名元组类型
Person = namedtuple('Person', ['name', 'age', 'gender'])

# 实例化
p1 = Person('Alice', 30, 'female')
p2 = Person(name='Bob', age=25, gender='male')

print(p1)       # Person(name='Alice', age=30, gender='female')
print(p2.name)  # Bob
print(p1[0])    # Alice (仍支持索引访问)

# 转换为字典
print(p2._asdict()) 
# {'name': 'Bob', 'age': 25, 'gender': 'male'}

# 替换字段值
p3 = p1._replace(age=31)
print(p3)  # Person(name='Alice', age=31, gender='female')

实际应用场景

• 替代只有属性的简单类
• 数据库查询结果的表示
• CSV文件处理
• 提高代码可读性

5. OrderedDict：有序字典

OrderedDict是dict的子类，它记住了元素添加的顺序（Python 3.7+中普通字典也保持顺序，但OrderedDict有额外功能）。

基本用法

from collections import OrderedDict

# 创建有序字典
od = OrderedDict()
od['a'] = 1
od['b'] = 2
od['c'] = 3

print(od)  # OrderedDict([('a', 1), ('b', 2), ('c', 3)])

# 移动元素到最后
od.move_to_end('a')
print(od)  # OrderedDict([('b', 2), ('c', 3), ('a', 1)])

# 删除并返回最后插入的元素
print(od.popitem())  # ('a', 1)

# 删除并返回指定元素
print(od.pop('b'))   # 2

# 指定位置插入
od['d'] = 4
od['e'] = 5
od.move_to_end('d', last=False)
print(od)  # OrderedDict([('d', 4), ('e', 5)])

实际应用场景

• 需要保持元素顺序的场景
• 实现LRU（最近最少使用）缓存
• 需要特定顺序的JSON序列化

总结：选择合适的数据结构