Lektionen des Moduls (3/4)
collections: Counter und defaultdict
Das Modul collections fügt spezialisierte Datentypen hinzu, die die integrierten Collections erweitern. Die drei am häufigsten verwendeten: Counter, defaultdict, namedtuple.
Counter: Häufigkeitszählung
from collections import Counter
parole = ["mela", "pera", "mela", "kiwi", "mela", "pera"]
c = Counter(parole)
# Counter({'mela': 3, 'pera': 2, 'kiwi': 1})
c["mela"] # 3
c["banana"] # 0 (default for missing keys, NO KeyError)
c.most_common(2) # [('mela', 3), ('pera', 2)]Er funktioniert auch bei Strings (zählt Zeichen):
Counter("ciao mondo")
# Counter({'o': 2, 'c': 1, 'i': 1, 'a': 1, ' ': 1, 'm': 1, 'n': 1, 'd': 1})Er unterstützt mengenähnliche Operationen auf Zählungen (+, -, &, |) – sehr praktisch, um Zählungen aus verschiedenen Quellen zu aggregieren.
defaultdict: Dictionary mit automatischem Standardwert
Ein Dictionary, das beim Zugriff auf einen fehlenden Schlüssel diesen durch Aufruf einer Factory erstellt.
from collections import defaultdict
gruppi = defaultdict(list) # factory = list (empty list)
for nome in ["Ada", "Linus", "Ada", "Grace"]:
gruppi[nome].append(1)
# defaultdict(list, {'Ada': [1, 1], 'Linus': [1], 'Grace': [1]})Ohne defaultdict müsstest du Folgendes schreiben:
gruppi = {}
for nome in [...]:
if nome not in gruppi:
gruppi[nome] = []
gruppi[nome].append(1)Häufige Factories: list, int (Standardwert 0), set, dict.
namedtuple: Tupel mit Feldnamen
Eine leichtgewichtige Methode, um unveränderliche Datensatzklassen zu erstellen. Es ist ein Tupel, aber mit Feldzugriff über Namen.
from collections import namedtuple
Punto = namedtuple("Punto", ["x", "y"])
p = Punto(3, 4)
p.x # 3 (access by name)
p[0] # 3 (access by index, still a tuple)
p.x + p.y # 7
# typical use: return multiple values from a function
def divisione(a, b):
Risultato = namedtuple("Risultato", ["quoziente", "resto"])
return Risultato(a // b, a % b)
r = divisione(17, 5)
r.quoziente # 3
r.resto # 2(Für komplexere Fälle gibt es seit 3.7 auch dataclasses – siehe M9.)
namedtuple: Leichtgewichtige unveränderliche Datensätze
Das Modul collections exportiert auch namedtuple, mit dem du schnell leichtgewichtige klassenähnliche Objekte zum Speichern strukturierter Daten erstellen kannst, ohne Konstruktoren oder Boilerplate-Methoden schreiben zu müssen:
from collections import namedtuple
Point = namedtuple('Point', ['x', 'y'])
p = Point(10, 20)
print(p.x, p.y)Probiere es aus
Berechne aus der Liste `words = ['mela', 'pera', 'mela', 'kiwi', 'mela', 'pera']` das am häufigsten vorkommende Wort als String in `top`. Evaluiere `top`.
Hinweis anzeigen
Counter(...).most_common(1) gibt [(Wort, Anzahl)] zurück.
Lösung nach 3 Versuchen verfügbar
Wiederholungsübung
Erstelle für die Studenten `enrollments = [('Ada', 'mate'), ('Linus', 'fisica'), ('Ada', 'storia'), ('Grace', 'mate')]` `courses_per_student` als defaultdict(list). Evaluiere `dict(courses_per_student)`.
Hinweis anzeigen
defaultdict(list), dann for s, c in enrollments.
Lösung nach 3 Versuchen verfügbar
Zusätzliche Herausforderung
Importiere `Counter` aus `collections`. Zähle die Häufigkeit der Zeichen im String `text = "abracadabra"`. Speichere den Zähler in `char_counter` und evaluiere ihn.
Hinweis anzeigen
Counter nimmt den String als Parameter und zählt das Vorkommen jedes Buchstabens.
Lösung nach 3 Versuchen verfügbar