做网站 大文件优化防控措施

Python 的 collections 模块提供了一些额外的数据结构，这些数据结构在内置的数据类型（如列表、字典、集合等）的基础上，增加了额外的功能或优化了性能。下面是如何使用 collections 模块中的 deque、Counter 和 OrderedDict 这三种数据结构的简单示例。

1. deque（双端队列）

deque（发音为“deck”）是一个线程安全、快速添加/删除元素于两端的线性容器。它支持从两端快速添加和删除元素，时间复杂度为 O(1)。

python复制代码

	from collections import deque
	# 创建一个 deque
	d = deque('ghi')
	# 添加元素到右端
	d.append('j')
	d.append('k')
	# 添加元素到左端
	d.appendleft('f')
	d.appendleft('e')
	# 打印 deque
	print(d) # 输出: deque(['e', 'f', 'g', 'h', 'i', 'j', 'k'])
	# 从右端移除元素
	print(d.pop()) # 输出: 'k'
	# 从左端移除元素
	print(d.popleft()) # 输出: 'e'

2. Counter（计数器）

Counter 是一个字典子类，用于计数可哈希对象。它是一个字典，其中元素被当作字典键，它们的计数被存储为字典值。

python复制代码

	from collections import Counter
	# 创建一个 Counter
	c = Counter('gallahad')
	# 输出 Counter
	print(c) # 输出: Counter({'a': 3, 'l': 2, 'g': 1, 'h': 1, 'd': 1})
	# 更新计数器
	c.update('admiral')
	# 输出更新后的 Counter
	print(c) # 输出: Counter({'a': 4, 'd': 2, 'l': 2, 'g': 1, 'm': 1, 'i': 1, 'r': 1, 'h': 1})
	# 获取某个元素的计数
	print(c['a']) # 输出: 4
	# 获取元素计数并删除该元素（如果计数为 0，则不执行删除）
	print(c.pop('d')) # 输出: 2
	# 输出更新后的 Counter
	print(c) # 输出: Counter({'a': 4, 'l': 2, 'g': 1, 'm': 1, 'i': 1, 'r': 1, 'h': 1})

3. OrderedDict（有序字典）

OrderedDict 是一个字典子类，它保持了元素被插入时的顺序。当迭代 OrderedDict 时，元素的顺序与它们被插入时的顺序相同。

python复制代码

	from collections import OrderedDict
	# 创建一个 OrderedDict
	d = OrderedDict()
	d['foo'] = 1
	d['bar'] = 2
	d['spam'] = 3
	d['grok'] = 4
	# 迭代并打印 OrderedDict
	for key in d:
	print(key, d[key])
	# 输出:
	# foo 1
	# bar 2
	# spam 3
	# grok 4
	# 插入一个新的键值对到有序字典的开始
	d.move_to_end('foo', last=False)
	# 再次迭代并打印
	for key in d:
	print(key, d[key])
	# 输出:
	# foo 1
	# bar 2
	# spam 3
	# grok 4

这些数据结构在需要特定功能的场景下非常有用，如需要维护插入顺序的字典、需要快速从两端添加/删除元素的列表，或者需要计数可哈希对象的场景。