Курс Python → Работа с collections в Python.

Для работы со специальными типами данных в Python можно использовать модуль collections, который предоставляет удобные инструменты для работы с контейнерами. Например, defaultdict позволяет создавать словари с дефолтным значением для ключей, что упрощает работу с отсутствующими ключами. Counter, в свою очередь, предоставляет удобный способ подсчета элементов в итерируемом объекте.

Давайте рассмотрим пример использования модуля collections. Допустим, у нас есть список слов words, и нам нужно подсчитать количество вхождений каждого слова в этом списке. Мы можем создать объект defaultdict с типом int, чтобы автоматически увеличивать значение для каждого нового слова. После этого мы можем пройтись по списку слов и увеличивать значение в словаре word_counts для каждого слова.


from collections import defaultdict

words = ['apple', 'banana', 'apple', 'orange', 'banana']
word_counts = defaultdict(int)

for word in words:
    word_counts[word] += 1

print(word_counts)

Теперь давайте рассмотрим другой пример использования модуля collections. Предположим, у нас есть строка ‘banana’, и мы хотим подсчитать количество вхождений каждого символа в этой строке. Для этого мы можем использовать класс Counter, который автоматически создаст словарь с количеством вхождений каждого символа.


from collections import Counter

sentence = 'banana'
letter_counts = Counter(sentence)

print(letter_counts)

Таким образом, модуль collections предоставляет удобные инструменты для работы со специальными типами данных в Python. Благодаря defaultdict и Counter можно эффективно решать задачи по подсчету элементов и управлению словарями. Используя эти инструменты, разработчики могут упростить и оптимизировать свой код, делая его более читаемым и эффективным.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Преобразование типов данных в set comprehension
  2. Аргумент по умолчанию
  3. Обратный список чисел
  4. Вызов функций по строке в Python.
  5. Отладка производительности Python
  6. Метод join() для объединения строк
  7. Работа с комплексными числами в Python
  8. Функции all() и any() в Python
  9. Сортировка с параметром key
  10. Использование модуля __future__
  11. Конкатенация строк в Python
  12. Условные выражения в Python
  13. Блок else в обработке исключений
  14. Транспонирование 2D-массива с помощью zip
  15. Метод __imod__ для Python
  16. Регулярные выражения в Python
  17. Запуск Python из интерпретатора
  18. Модуль sys: основы
  19. Работа со слайсами
  20. Проекты на Python
  21. Создание тестовых данных с Faker
  22. Оператор is в Python
  23. Измерение времени выполнения кода
  24. Секреты Python
  25. Измерение времени выполнения кода
  26. Работа с геоданными с помощью geopy
  27. Методы classmethod и staticmethod
  28. Визуализация пропусков данных
  29. Функции с дополнением
  30. Работа с множествами в Python
  31. Управление памятью в Python
  32. Сортировка с помощью key
  33. Получение имени функции с помощью inspect
  34. Удаление дубликатов из списка с помощью dict.fromkeys
  35. Отправка POST запроса на сервер.
  36. Декораторы в Python
  37. Списки в Python: синтаксис представления
  38. Распаковка элементов массива
  39. Функции map() и reduce() в Python
  40. Итераторы в Python
  41. Присвоение и ссылки
  42. Принципы Zen Python
  43. Создание новых функций через partial
  44. Модуль os в Python: работа с файлами
  45. Выборка чисел

Marketello читают маркетологи из крутых компаний