---

介绍

在Python编程中，经常需要使用一些内置的数据结构，如列表、字典等。然而，在某些特定的场景下，这些内置数据结构可能无法满足需求。这时，可以考虑使用collections模块提供的特殊数据结构。本文将深入探讨collections模块中的常见数据结构，如defaultdict、Counter、OrderedDict等，以及它们的应用场景和性能特点。

collections模块的常见数据结构

模块	类	应用场景	性能特点
collections	defaultdict	当需要为字典中的键指定一个默认值，或者在遍历字典时需要处理键不存在的情况时，可以使用defaultdict。	相比于内置的字典，defaultdict在创建键时会多一层判断，因此性能略逊一筹。但是，它提供了便利性，可以减少代码的复杂性。
collections	Counter	当需要统计一个列表、字符串等可迭代对象中每个元素的出现次数时，可以使用Counter。	Counter在统计元素出现次数时，性能与内置的dict相当。但是，Counter提供了额外的方法，如most_common()，可以方便地获取出现次数最多的元素。
collections	OrderedDict	当需要按照元素插入的顺序访问字典中的键值对时，可以使用OrderedDict。	OrderedDict在维护元素顺序方面会消耗一定的性能，因此相比于普通字典，它的性能稍逊一筹。但是，它提供了有序的字典功能，可以提高代码的可读性。

代码演示

defaultdict

from collections import defaultdict

# 创建一个数字列表
numbers = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]

# 使用 defaultdict 来创建一个计数器
counts = defaultdict(int)

# 计数每个数字出现的次数
for number in numbers:
    counts[number] += 1

# 打印计数结果
for number, count in counts.items():
    print(f'数字 {number} 出现了 {count} 次。')

运行上述代码，输出结果为：

数字 1 出现了 1 次。
数字 2 出现了 2 次。
数字 3 出现了 3 次。
数字 4 出现了 4 次。

Counter

以下是一个使用Counter进行统计分析的简单代码：

from collections import Counter

# 创建一个列表
pans = ['铅笔', '圆珠笔', '铅笔', '钢笔', '钢笔', '毛笔']
# 使用Counter统计每种笔出现的次数
pan_count = Counter(pans)
# 输出统计结果
print(pan_count)

运行上述代码，输出结果为：

Counter({'铅笔': 2, '钢笔': 2, '圆珠笔': 1, '毛笔': 1})

OrderedDict

from collections import OrderedDict

# 创建一个 OrderedDict 实例
ordered_dict = OrderedDict()

# 添加一些键值对
ordered_dict['钢笔'] = 1
ordered_dict['毛笔'] = 2
ordered_dict['铅笔'] = 3

# 按照添加的顺序遍历键值对
for key, value in ordered_dict.items():
    print(f'{key}: {value}')

# 输出：
# 钢笔: 1
# 毛笔: 2
# 铅笔: 3

# 更新一个键值对
ordered_dict['毛笔'] = 4

# 再次遍历，可以看到更新后的键值对
for key, value in ordered_dict.items():
    print(f'{key}: {value}')

# 输出：
# 钢笔: 1
# 毛笔: 4
# 铅笔: 3

# 删除一个键值对
del ordered_dict['钢笔']

# 再次遍历
for key, value in ordered_dict.items():
    print(f'{key}: {value}')

# 输出：
# 毛笔: 4
# 铅笔: 3

运行的结果

钢笔: 1
毛笔: 2
铅笔: 3
钢笔: 1
毛笔: 4
铅笔: 3
毛笔: 4
铅笔: 3