మాడ్యూల్ పాఠాలు (3/4)
సేకరణలు: కౌంటర్ మరియు డిఫాల్ట్డిక్ట్
collections మాడ్యూల్ విస్తరించే ప్రత్యేక డేటా రకాలను జోడిస్తుంది
అంతర్నిర్మిత సేకరణలు. ఎక్కువగా ఉపయోగించే మూడు: Counter, defaultdict,
namedtuple.
Counter: ఫ్రీక్వెన్సీ లెక్కింపు
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)]ఇది స్ట్రింగ్స్పై కూడా పని చేస్తుంది (అక్షరాల గణనలు):
Counter("ciao mondo")
# Counter({'o': 2, 'c': 1, 'i': 1, 'a': 1, ' ': 1, 'm': 1, 'n': 1, 'd': 1})ఇది గణనల (+, -, &, |)పై సెట్-వంటి కార్యకలాపాలకు మద్దతు ఇస్తుంది - చాలా సులభ వివిధ మూలాల నుండి గణనలను సమగ్రపరచడం కోసం.
defaultdict: ఆటోమేటిక్ డిఫాల్ట్తో డిక్ట్
మీరు తప్పిపోయిన కీని యాక్సెస్ చేసినప్పుడు, ఒక కాల్ చేయడం ద్వారా దాన్ని ** సృష్టిస్తుంది** అని ఆదేశం కర్మాగారం.
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]})defaultdict లేకుండా, మీరు వ్రాయవలసి ఉంటుంది:
gruppi = {}
for nome in [...]:
if nome not in gruppi:
gruppi[nome] = []
gruppi[nome].append(1)సాధారణ కర్మాగారాలు: list, int (డిఫాల్ట్ 0), set, dict.
namedtuple: ఫీల్డ్ పేర్లతో టుపుల్స్
మార్పులేని రికార్డ్-క్లాస్లను సృష్టించడానికి తేలికైన మార్గం. ఇది ఒక టుపుల్, కానీ పేరుతో ఫీల్డ్ యాక్సెస్తో.
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(మరింత అధునాతన కేసుల కోసం 3.7 నుండి dataclasses కూడా ఉంది — M9 చూడండి.)
nametuple: తేలికైన మార్పులేని రికార్డులు
collections మాడ్యూల్ namedtupleని కూడా ఎగుమతి చేస్తుంది, ఇది కన్స్ట్రక్టర్లు లేదా బాయిలర్ప్లేట్ పద్ధతులను వ్రాయకుండా నిర్మాణాత్మక డేటాను నిల్వ చేయడానికి తేలికైన తరగతి-వంటి వస్తువులను త్వరగా రూపొందించడానికి మిమ్మల్ని అనుమతిస్తుంది:
from collections import namedtuple
Point = namedtuple('Point', ['x', 'y'])
p = Point(10, 20)
print(p.x, p.y)దీనిని ప్రయత్నించండి
`పదాలు = ['మేళా', 'పేరా', 'మేళా', 'కివి', 'మేళా', 'పేరా']` జాబితాను అందించి, `టాప్`లో అత్యంత తరచుగా వచ్చే పదాన్ని స్ట్రింగ్గా గణించండి. `టాప్`ని మూల్యాంకనం చేయండి.
సూచనను చూపించు
కౌంటర్(...).most_common(1) రిటర్న్స్ [(పదం, కౌంట్)].
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
వ్యాయామం సమీక్షించండి
విద్యార్థులకు `ఎన్రోల్మెంట్లు = [('అడా', 'మేట్'), ('లినస్', 'ఫిసికా'), ('అడా', 'స్టోరియా'), ('గ్రేస్', 'మేట్')]` అందించబడి, `కోర్సుల_ప్రతి_విద్యార్థి`ని డిఫాల్ట్ (జాబితా)గా రూపొందించండి. `డిక్ట్(కోర్సులు_ప్రతి_విద్యార్థి)`ని మూల్యాంకనం చేయండి.
సూచనను చూపించు
డిఫాల్ట్డిక్ట్(జాబితా) ఆపై నమోదులలో s, c.
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
అదనపు సవాలు
\`కలెక్షన్స్\` నుండి \`కౌంటర్\`ని దిగుమతి చేయండి. \`text = "abracadabra"\` స్ట్రింగ్లోని అక్షరాల ఫ్రీక్వెన్సీని లెక్కించండి. కౌంటర్ని \`char_counter\`లో నిల్వ చేసి, దానిని మూల్యాంకనం చేయండి.
సూచనను చూపించు
కౌంటర్ స్ట్రింగ్ను పారామీటర్గా తీసుకుంటుంది మరియు ప్రతి అక్షరం యొక్క సంఘటనలను గణిస్తుంది.
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది