Курс Python → Namedtuple в Python

Namedtuple в Python — это удобная структура данных, которая похожа на обычный кортеж, но позволяет обращаться к элементам по их именам, а не только по индексам. Основное преимущество использования namedtuple вместо обычного словаря заключается в экономии памяти. При создании больших данных именованные кортежи оказываются более эффективными, так как они занимают меньше места в памяти.

Когда мы создаем namedtuple, мы указываем ее структуру, то есть имена полей, которые будут содержаться в кортеже. Это позволяет нам обращаться к этим полям по их именам, что делает код более читаемым и понятным. При этом размер namedtuple оказывается значительно меньше, чем у эквивалентного словаря. Например, если сравнить размер namedtuple и словаря, можно увидеть, что namedtuple занимает 64 байта, в то время как словарь занимает 240 байт, что в 4 раза больше.

from collections import namedtuple

# Создаем именованный кортеж с полями 'name' и 'age'
Person = namedtuple('Person', ['name', 'age'])

# Создаем экземпляр именованного кортежа
person = Person(name='Alice', age=30)

# Обращаемся к полям по их именам
print(person.name)
print(person.age)

В приведенном примере мы создаем именованный кортеж Person с полями ‘name’ и ‘age’, затем создаем экземпляр этого кортежа и обращаемся к полям по их именам. Использование namedtuple делает код более понятным и удобным, а экономия памяти делает его эффективным при работе с большими данными. Поэтому, если вам нужно создать структуру данных, которая будет содержать фиксированное количество полей, namedtuple может стать отличным выбором.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Progress с библиотекой tqdm
  2. Создание обратного итератора
  3. Получение атрибутов и методов класса
  4. Регистрация на TenChat
  5. Умножение строк и списков
  6. Область видимости переменных
  7. Объединение словарей в Python
  8. Проверка списка: any() и all()
  9. Функции all и any в Python
  10. Генератор списка в Python
  11. Работа с файлами в Python
  12. Установка и использование Logzero
  13. Декораторы в Python
  14. Работа с изменяемыми коллекциями
  15. Запрос пароля с помощью getpass
  16. Работа с комплексными числами
  17. Рекурсия для обращения строки
  18. Фильтрация элементов с помощью islice
  19. Ограничение итераций в Python
  20. Удаление URL-адресов в Python
  21. Изменение элемента списка
  22. Инициализация переменных
  23. Работа с модулем glob в Python
  24. Big O оптимизация
  25. Функция divmod() в Python
  26. Парсинг статей с Newspaper3k
  27. Извлечение аудио из видео
  28. Комментарии в Python
  29. Форматирование строк в Python
  30. Работа с классами данных
  31. Перетасовка списков в Python
  32. Генераторы списков
  33. Применение функции map() с лямбда-функциями
  34. Сравнение def и lambda функций в Python
  35. Метод getitem для доступа к элементам последовательности
  36. Управление контекстом выполнения
  37. Основы работы с os
  38. Парсинг веб-страниц с Beautiful Soup
  39. Работа с набором данных CIFAR10 в PyTorch
  40. Enum в Python: создание и использование перечислений
  41. Удаление дубликатов с сохранением порядка с помощью dict.fromkeys
  42. Работа с геоданными с помощью geopy
  43. Глобальные переменные в Python
  44. Работа с модулем random
  45. Асинхронное программирование с asyncio
  46. Транспонирование матрицы
  47. Фильтрация списка от «ложных» значений
  48. Строковое представление объектов

Marketello читают маркетологи из крутых компаний